| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| §1-1 医学图像模式识别 | 第9-10页 |
| 1-1-1 数字图像处理 | 第9-10页 |
| 1-1-2 医学图像的模式识别 | 第10页 |
| §1-2 研究背景及意义 | 第10-12页 |
| 1-2-1 研究背景 | 第10-11页 |
| 1-2-2 研究意义 | 第11-12页 |
| §1-3 本文主要内容 | 第12-13页 |
| 第二章 MR 图像预处理及其特征提取 | 第13-19页 |
| §2-1 MR 图像的预处理 | 第13-15页 |
| 2-1-1 医学图像简介 | 第13-14页 |
| 2-1-2 MR 图像预处理 | 第14-15页 |
| §2-2 MR 图像的特征提取 | 第15-18页 |
| §2-3 本章小结 | 第18-19页 |
| 第三章 统计学理论和支持向量机 | 第19-28页 |
| §3-1 统计学习理论 | 第19-23页 |
| 3-1-1 机器学习问题的提出 | 第19-20页 |
| 3-1-2 经验风险最小化原则 | 第20-21页 |
| 3-1-3 结构风险最小化 | 第21-23页 |
| §3-2 支持向量机 | 第23-27页 |
| 3-2-1 支持向量机理论 | 第24-26页 |
| 3-2-2 支持向量机特点 | 第26-27页 |
| §3-3 本章小结 | 第27-28页 |
| 第四章 基于免疫特征加权支持向量机的MR 图像模式识别 | 第28-53页 |
| §4-1 人工免疫系统 | 第28-30页 |
| 4-1-1 免疫学的基本原理 | 第28-29页 |
| 4-1-2 人工免疫系统的应用发展 | 第29-30页 |
| §4-2 免疫支持向量机 | 第30-32页 |
| 4-2-1 免疫算法 | 第30-31页 |
| 4-2-2 免疫支持向量机 | 第31-32页 |
| §4-3 基于免疫特征加权支持向量机的脑组织识别 | 第32-44页 |
| 4-3-1 多分类免疫特征加权支持向量机 | 第32-38页 |
| 4-3-2 实验结果与分析 | 第38-44页 |
| §4-4 单类免疫特征加权支持向量机对脑肿瘤识别 | 第44-52页 |
| 4-4-1 单类免疫特征加权支持向量机 | 第44-45页 |
| 4-4-2 实验结果与分析 | 第45-52页 |
| §4-5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5-1 本文总结 | 第53页 |
| 5-2 进一步的研究工作 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间所取得的相关科研成果 | 第59页 |