基于半监督算法的医学图像分类系统研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 医学图像识别的研究背景和意义 | 第10页 |
| 1.2 白内障图像识别的国内外研究现状 | 第10-12页 |
| 1.3 医学图像分类 | 第12-14页 |
| 1.3.1 传统的医学图像分类 | 第12-13页 |
| 1.3.2 基于半监督算法的医学图像分类 | 第13-14页 |
| 1.4 本文的主要工作 | 第14-16页 |
| 1.5 本文章节安排 | 第16-17页 |
| 第二章 白内障眼底图像的特征提取 | 第17-28页 |
| 2.1 白内障图像的简单预处理 | 第17-19页 |
| 2.1.1 图像尺度归一化 | 第17页 |
| 2.1.2 图像彩色空间变换 | 第17-19页 |
| 2.2 传统的特征提取方法 | 第19-22页 |
| 2.2.1 小波特征 | 第19-20页 |
| 2.2.2 轮辐特征 | 第20-22页 |
| 2.3 应用CNN模型进行图像特征提取 | 第22-25页 |
| 2.3.1 传统的人工神经网络 | 第22-23页 |
| 2.3.2 卷积神经网络 | 第23-25页 |
| 2.4 CNN特征分析 | 第25-27页 |
| 2.4.1 PCA降维 | 第25-26页 |
| 2.4.2 特征可视化 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 有监督式分类模型 | 第28-35页 |
| 3.1 基于支持向量机的眼底图像分类 | 第28-32页 |
| 3.1.1 支持向量机的原理 | 第28-31页 |
| 3.1.2 支持向量机的实验结果 | 第31-32页 |
| 3.2 基于随机森林的眼底图像分类 | 第32-34页 |
| 3.2.1 随机森林的原理 | 第32-33页 |
| 3.2.2 随机森林的实验结果 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 半监督分类模型 | 第35-50页 |
| 4.1 基于标签传播的主动学习算法 | 第35-41页 |
| 4.1.1 标签传播算法 | 第35-38页 |
| 4.1.1.1 二分类的标签传播法 | 第36-37页 |
| 4.1.1.2 多分类的标签传播法 | 第37-38页 |
| 4.1.2 主动学习 | 第38-39页 |
| 4.1.3 标签传播和主动学习的融合 | 第39-41页 |
| 4.2 基于标签传播的主动学习法的实验结果 | 第41-44页 |
| 4.3 Co-forest | 第44-47页 |
| 4.4 Co-forest实验结果 | 第47-48页 |
| 4.5 对比有监督模型 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 白内障分类系统GUI界面的设计 | 第50-57页 |
| 5.1 GUI概述 | 第50-51页 |
| 5.2 GUI的简要功能介绍 | 第51-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
