| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 1 国内外研究现状及本研究目的意义 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.1.1 肝脏B超图像发展 | 第12页 |
| 1.1.2 大数据背景下医学图像处理 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 B超图像成像原理和生物组织超声特性 | 第13页 |
| 1.2.2 B超图像特征提取 | 第13-14页 |
| 1.3 本课题的目标和意义 | 第14-16页 |
| 2 实验材料与方法 | 第16-42页 |
| 2.1 基于肝脏B超图像的脂肪肝辅助诊断系统的总体设计 | 第16-18页 |
| 2.1.1 系统功能结构 | 第16-17页 |
| 2.1.2 基于肝脏超声图像脂肪肝识别系统的软件模块 | 第17页 |
| 2.1.3 肝脏超声图像脂肪肝识别系统的硬件配置 | 第17-18页 |
| 2.2 肝脏B超图像原理及脂肪肝判定的研判标准 | 第18-23页 |
| 2.2.1 肝脏结构 | 第18-19页 |
| 2.2.2 超声波衰减 | 第19-20页 |
| 2.2.3 超声检查的操作 | 第20页 |
| 2.2.4 肝脏超声典型切面图像识记 | 第20-21页 |
| 2.2.5 脂肪肝识别的研判标准 | 第21-23页 |
| 2.3 超声图像的来源、预处理及降阶处理 | 第23-31页 |
| 2.3.1 超声图像的来源 | 第23页 |
| 2.3.2 超声图像预处理 | 第23-24页 |
| 2.3.3 灰度图像的降阶表示 | 第24页 |
| 2.3.4 零空间方法 | 第24-30页 |
| 2.3.5 平均值法降阶处理 | 第30-31页 |
| 2.3.6 待分析图像的选取 | 第31页 |
| 2.4 用灰度共生矩阵描述超声图像的纹理特征及特征库生成 | 第31-37页 |
| 2.4.1 特征提取方法 | 第31-33页 |
| 2.4.2 用灰度共生矩阵表示纹理特征 | 第33-35页 |
| 2.4.3 灰度共生矩阵特征参数 | 第35-37页 |
| 2.4.4 形成特征模板库 | 第37页 |
| 2.5 分类识别 | 第37-42页 |
| 2.5.1 模板匹配分类器 | 第37-38页 |
| 2.5.2 BP神经网络 | 第38-39页 |
| 2.5.3 支持向量机 | 第39-40页 |
| 2.5.4 K-近邻分类器 | 第40-42页 |
| 3 结果与分析 | 第42-50页 |
| 3.1 实验数据集介绍 | 第42-43页 |
| 3.2 系统界面 | 第43-45页 |
| 3.3 实验分析 | 第45-50页 |
| 3.3.1 有效特征值的选取 | 第45-47页 |
| 3.3.2 参数值的确定 | 第47-48页 |
| 3.3.3 识别准确率统计 | 第48-50页 |
| 4 结论与讨论 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 附录 | 第54-56页 |
| 致谢 | 第56页 |
