| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文主要研究内容 | 第14-17页 |
| 第2章 分割图像预处理算法的对比与分析 | 第17-41页 |
| 2.1 乳腺图像预处理的研究现状 | 第17-19页 |
| 2.2 乳腺癌在X线上的影像学特征 | 第19-22页 |
| 2.3 乳腺钼靶X光图像去噪 | 第22-25页 |
| 2.4 乳腺钼耙X光图像增强算法对比与分析 | 第25-37页 |
| 2.4.1 肿瘤区域的对比度增强 | 第26-33页 |
| 2.4.2 基于非下采样轮廓波域变换的微钙化点增强 | 第33-37页 |
| 2.4.3 两种增强方式效果对比与总结 | 第37页 |
| 2.5 本章小结 | 第37-41页 |
| 第3章 基于机器学习的乳腺肿块分割 | 第41-55页 |
| 3.1 感兴趣区域提取 | 第42-44页 |
| 3.2 基于SVM的乳腺肿块分割 | 第44-48页 |
| 3.2.1 SVM原理分析 | 第44-47页 |
| 3.2.2 基于SVM的图像分割算法 | 第47-48页 |
| 3.3 基于ELM的乳腺肿块分割 | 第48-52页 |
| 3.3.1 ELM原理分析 | 第48-52页 |
| 3.3.2 基于ELM的图像分割算法 | 第52页 |
| 3.4 本章小结 | 第52-55页 |
| 第4章 实验结果与讨论 | 第55-67页 |
| 4.1 实验设计 | 第55页 |
| 4.2 实验结果 | 第55-57页 |
| 4.3 特征提取及对比分析 | 第57-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |