微钙化灶的自动检测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文的组织 | 第12-13页 |
| 参考文献 | 第13-15页 |
| 第二章 微钙化灶的增强 | 第15-30页 |
| ·概述 | 第15页 |
| ·预处理 | 第15-16页 |
| ·微钙化增强 | 第16-25页 |
| ·数学形态学 | 第16-20页 |
| ·小波分析简介 | 第20-25页 |
| ·一维小波变换 | 第21-23页 |
| ·图像二维小波变换 | 第23-24页 |
| ·基于小波变换微钙化灶增强 | 第24-25页 |
| ·实验结果与结论 | 第25-28页 |
| 参考文献 | 第28-30页 |
| 第三章 微钙化灶的自动分割 | 第30-40页 |
| ·概述 | 第30页 |
| ·微钙化灶的分割 | 第30-38页 |
| ·微钙化灶分割方法简介 | 第30-32页 |
| ·基于多容许度区域增长的分割 | 第32-38页 |
| ·种子点的获取 | 第32-35页 |
| ·多容许度区域增长 | 第35-38页 |
| ·结果分析 | 第38页 |
| 参考文献 | 第38-40页 |
| 第四章 微钙化灶特征提取及分类 | 第40-59页 |
| ·概述 | 第40页 |
| ·特征提取 | 第40-41页 |
| ·基于BP 神经网络分类 | 第41-49页 |
| ·人工神经网络模型 | 第41-43页 |
| ·人工神经网络的分类及学习方式 | 第43-44页 |
| ·BP 网络的原理 | 第44-46页 |
| ·BP 网络样本的选择及组织 | 第46页 |
| ·影像诊断结果评估 | 第46-47页 |
| ·构造BP 神经网络 | 第47-49页 |
| ·基于支持向量机分类 | 第49-56页 |
| ·支持向量机简介 | 第50-53页 |
| ·线性支持向量机 | 第50-52页 |
| ·非线性支持向量机 | 第52-53页 |
| ·构造支持向量机 | 第53-54页 |
| ·调节支持矢量机的敏感度 | 第54-56页 |
| ·支持向量机分类结果和钙化簇的检测 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61页 |
