钼靶X光乳腺肿块检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·论文选题背景和意义 | 第7-8页 |
| ·国内外研究研究进展及现状 | 第8-11页 |
| ·乳腺癌计算机辅助检测系统的研究现状 | 第8-9页 |
| ·钼靶X光乳腺肿块自动检测的研究现状 | 第9-11页 |
| ·论文的主要研究成果及章节安排 | 第11-15页 |
| ·论文主要创新点 | 第11-12页 |
| ·论文章节安排 | 第12-15页 |
| 第二章 乳腺X光图像的预处理与增强 | 第15-25页 |
| ·引言 | 第15页 |
| ·乳腺癌在钼靶X光图像中的表现 | 第15-16页 |
| ·乳腺X光图像的预处理 | 第16-19页 |
| ·乳腺X光图像的增强 | 第19-23页 |
| ·形态学基础 | 第20-21页 |
| ·形态学增强方法 | 第21-23页 |
| ·小结 | 第23-25页 |
| 第三章 乳腺肿块疑似区域分割 | 第25-37页 |
| ·引言 | 第25页 |
| ·基于环形滤波的种子区域自动提取 | 第25-31页 |
| ·环形滤波原理 | 第26-27页 |
| ·腺体厚度计算 | 第27-28页 |
| ·种子区域自动提取算法的设计 | 第28-29页 |
| ·实验结果及分析 | 第29-31页 |
| ·基于OTSU的疑似区域分割 | 第31-36页 |
| ·OTSU算法基本原理 | 第31-32页 |
| ·基于OTSU的半自动ROI分割算法研究 | 第32-34页 |
| ·肿块疑似区域自动分割 | 第34-35页 |
| ·实验结果及分析 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 乳腺肿块疑似区域(ROI)特征提取与分类 | 第37-55页 |
| ·引言 | 第37-38页 |
| ·ROI边缘区域的提取 | 第38-41页 |
| ·多边模型的建立 | 第38-40页 |
| ·边缘像素提取 | 第40-41页 |
| ·疑似区域特征提取 | 第41-45页 |
| ·基于图像灰度的特征提取 | 第42-43页 |
| ·基于图像纹理的特征提取 | 第43-44页 |
| ·基于形状特征的特征提取 | 第44-45页 |
| ·支持向量机的原理及算法 | 第45-50页 |
| ·支持向量机的起源和发展 | 第45-46页 |
| ·SVM的分类算法 | 第46-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·实验数据 | 第50页 |
| ·分类结果及分析 | 第50-53页 |
| ·小结 | 第53-55页 |
| 第五章 结束语 | 第55-59页 |
| ·论文工作总结 | 第55-56页 |
| ·论文工作展望 | 第56-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者在读期间的研究成果 | 第65-66页 |
