颈部淋巴结超声图像辅助诊断关键技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-29页 |
| ·论文的选题背景及意义 | 第11-12页 |
| ·医学超声诊断成像简介 | 第12-16页 |
| ·颈部淋巴结疾病诊断及超声图像辅助诊断概况 | 第16-26页 |
| ·淋巴结功能结构和颈部淋巴结的成病原因 | 第16-18页 |
| ·颈部淋巴结超声诊断概况 | 第18-19页 |
| ·医学超声图像辅助诊断各关键技术现状 | 第19-26页 |
| ·论文的主要内容 | 第26-27页 |
| ·论文的组织结构 | 第27-29页 |
| 第2章 纹理结构自适应的全变分去噪模型 | 第29-52页 |
| ·引言 | 第29页 |
| ·全变分去噪原理和去噪模型 | 第29-37页 |
| ·全变分图像处理数学基础 | 第29-31页 |
| ·全变分图像去噪模型及数值实现 | 第31-37页 |
| ·自适应全变分去噪模型 | 第37-39页 |
| ·纹理结构的自适应全变分去噪模型 | 第39-44页 |
| ·光滑区域和非光滑区域划分 | 第40-42页 |
| ·改进的自适应全变分去噪模型 | 第42-44页 |
| ·实验与结果分析 | 第44-51页 |
| ·实验数据 | 第44页 |
| ·实验设置 | 第44-45页 |
| ·实验结果与分析 | 第45-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 谱聚类集成的淋巴结超声图像分割算法 | 第52-71页 |
| ·引言 | 第52页 |
| ·聚类集成方法 | 第52-57页 |
| ·聚类集成的有效性原因及条件 | 第53-54页 |
| ·聚类集成的主要方法 | 第54-57页 |
| ·谱聚类 | 第57-59页 |
| ·基于谱聚类集成的超声图像分割算法 | 第59-66页 |
| ·基于随机子空间的K均值算法 | 第59-64页 |
| ·快速谱聚类算法 | 第64-66页 |
| ·实验与结果分析 | 第66-70页 |
| ·实验数据和实验设置 | 第66页 |
| ·超声图像分割效果比较 | 第66-69页 |
| ·各分割算法计算时间比较 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第4章 基于RVM的主动轮廓超声图像分割算法 | 第71-87页 |
| ·引言 | 第71页 |
| ·主动轮廓模型 | 第71-76页 |
| ·基本的主动轮廓模型 | 第72-74页 |
| ·主动轮廓模型研究进展 | 第74-76页 |
| ·关联向量机 | 第76-79页 |
| ·基于RVM的主动轮廓超声图像自动分割算法 | 第79-82页 |
| ·获得颈部淋巴结的初始轮廓 | 第79-81页 |
| ·基于RVM的主动轮廓自动分割算法 | 第81-82页 |
| ·实验与结果分析 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 第5章 病毒进化的DE淋巴结超声图像特征选择算法 | 第87-105页 |
| ·引言 | 第87页 |
| ·差分进化算法 | 第87-92页 |
| ·差分进化算法的基本原理 | 第87-90页 |
| ·离散差分进化算法 | 第90-92页 |
| ·病毒进化理论 | 第92-95页 |
| ·病毒进化操作 | 第93-94页 |
| ·适应度函数 | 第94-95页 |
| ·病毒进化的DE特征选择算法 | 第95-101页 |
| ·颈部淋巴结超声图像特征提取 | 第95-99页 |
| ·病毒进化的DE特征选择算法 | 第99-101页 |
| ·支持向量机分类器 | 第101页 |
| ·实验结果与分析 | 第101-103页 |
| ·数据集 | 第101-102页 |
| ·实验设置 | 第102页 |
| ·结果与分析 | 第102-103页 |
| ·本章小结 | 第103-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-121页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第121-123页 |
| 致谢 | 第123页 |
