早期微小病变识别系统的研究和实现
| 论文摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一部份 综述： | 第13-15页 |
| ·项目的产生： | 第13-14页 |
| ·项目要解决的关键问题 | 第14页 |
| ·文章的结构 | 第14-15页 |
| 第二部分：基础知识 | 第15-21页 |
| ·图像基础知识 | 第15-18页 |
| ·图像数据格式 | 第15页 |
| ·图像灰度 | 第15页 |
| ·CT图像 | 第15-16页 |
| ·灰度共生矩阵 | 第16-17页 |
| ·图像纹理特征及计算 | 第17-18页 |
| ·人脑CT图片的特点 | 第18页 |
| ·数据挖掘基础知识 | 第18-21页 |
| ·聚类方法介绍 | 第19页 |
| ·DBSCAN的算法描述 | 第19-20页 |
| ·层次聚类算法描述 | 第20-21页 |
| 第三部分 相关研究 | 第21-37页 |
| ·图片纹理特征数据的获取 | 第21页 |
| ·数据集的获取 | 第21-22页 |
| ·基于图像比较的数据集的构建 | 第22页 |
| ·基于单幅CT图像的数据集的构建 | 第22页 |
| ·数据挖掘算法的建立 | 第22-27页 |
| ·DBSCAN算法的改进 | 第23-26页 |
| ·DBSAN算法与层次聚类算法的结合 | 第26-27页 |
| ·算法运用及规则的获取 | 第27-28页 |
| ·图像对比的主要思想 | 第28页 |
| ·图像对比的实现步骤 | 第28-29页 |
| ·从图像对比诊断到单幅图像诊断 | 第29-30页 |
| ·病灶的显示 | 第30-31页 |
| ·脑部图像分割的原理 | 第30页 |
| ·分割诊断的实现 | 第30-31页 |
| ·结果的验证,准确率的描述 | 第31-37页 |
| 第四部分,项目设计和实现 | 第37-54页 |
| ·系统的背景 | 第37页 |
| ·系统的研发思路 | 第37页 |
| ·系统的主要功能说明 | 第37-38页 |
| ·系统运行环境 | 第38页 |
| ·系统的体系结构说明 | 第38-40页 |
| ·详细设计 | 第40-54页 |
| ·医学图像显示模块 | 第40-41页 |
| ·医学图像纹理特征提取模块 | 第41-45页 |
| ·纹理特征数据挖掘 | 第45-47页 |
| ·病变规则提取模块 | 第47-48页 |
| ·选择优质图像模块 | 第48-49页 |
| ·单幅图像辅助诊断模块 | 第49-51页 |
| ·图像对比辅助诊断 | 第51-52页 |
| ·图像分割诊断 | 第52-54页 |
| 总结 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-60页 |
| 原创性声明 | 第60页 |
| 关于学位论文使用授权的声明 | 第60页 |
