| 中文摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 中文文摘 | 第4-6页 |
| 目录 | 第6-8页 |
| 绪论 | 第8-14页 |
| 第一节 课题研究的背景和意义 | 第8-11页 |
| 第二节 国内外研究现状 | 第11-12页 |
| 第三节 课题来源 | 第12-13页 |
| 第四节 论文的主要内容和创新点 | 第13-14页 |
| 第一章 乳腺X线图片 | 第14-20页 |
| 第一节 乳腺X摄像简介 | 第14-15页 |
| 第二节 乳腺X线图片表现 | 第15-16页 |
| 第三节 乳腺癌诊断问题的挑战性 | 第16-17页 |
| 第四节 乳腺图片处理的总流程 | 第17页 |
| 第五节 本章小结 | 第17-20页 |
| 第二章 乳腺x线图片预处理 | 第20-28页 |
| 第一节 引言 | 第20页 |
| 第二节 图像归一化处理 | 第20页 |
| 第三节 图像去噪处理 | 第20-27页 |
| 第四节 本章小结 | 第27-28页 |
| 第三章 乳腺X线图片增强处理 | 第28-34页 |
| 第一节 引言 | 第28页 |
| 第二节 直方图均衡化 | 第28-29页 |
| 第三节 形态学增强法 | 第29-31页 |
| 第四节 两种增强算法的比较 | 第31-33页 |
| 第五节 本章小结 | 第33-34页 |
| 第四章 乳腺图片特征提取和ROI区域分割 | 第34-46页 |
| 第一节 引言 | 第34页 |
| 第二节 图像分割常见方法 | 第34-37页 |
| 第三节 特征提取 | 第37-38页 |
| 第四节 基于多特征神经网络的乳腺图片ROI区域分割 | 第38-41页 |
| 第五节 实验结果及比较 | 第41-45页 |
| 第六节 本章小结 | 第45-46页 |
| 第五章 乳腺X线图片的病灶定位 | 第46-58页 |
| 第一节 引言 | 第46页 |
| 第二节 基于脉冲神经网络的边缘检测算法 | 第46-48页 |
| 第三节 边缘检测算法设计 | 第48-50页 |
| 第四节 边缘检测结果 | 第50-51页 |
| 第五节 聚类分析 | 第51-55页 |
| 第六节 实验结果及比较 | 第55-56页 |
| 第七节 本章小结 | 第56-58页 |
| 第六章 结论 | 第58-60页 |
| 第一节 全文总结 | 第58-59页 |
| 第二节 工作展望 | 第59-60页 |
| 附录1 特征提取程序 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读学位期间承担的科研任务与主要成果 | 第68-70页 |
| 致谢 | 第70-72页 |
| 个人简历 | 第72-73页 |