摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
第一章 绪论 | 第12-19页 |
·课题背景及意义 | 第12-13页 |
·国内外研究进展及现状 | 第13-16页 |
·乳腺癌计算机辅助检测系统的研究现状 | 第13页 |
·乳腺 X 线图像中肿块自动检测的研究现状 | 第13-16页 |
·本文研究内容 | 第16-17页 |
·图像预处理 | 第16页 |
·特征提取 | 第16-17页 |
·BP 算法和分类器设计 | 第17页 |
·本文内容组织 | 第17-19页 |
第二章 原始乳腺X 线 LJPEG 图像的处理 | 第19-25页 |
·引言 | 第19页 |
·JPEG 无损压缩(LJPEG, Lossless compression)介绍 | 第19-21页 |
·JPEG 无损压缩思想 | 第19-20页 |
·JPEG 无损压缩原理 | 第20-21页 |
·JPEG 无损压缩算法 | 第21-22页 |
·差分脉冲编码调制DPCM(Differential pulse code modulation) | 第21页 |
·哈夫曼(Huffman)编码 | 第21-22页 |
·JPEG 无损压缩预测模型 | 第22-23页 |
·JPEG 无损压缩图像的解压与显示 | 第23-24页 |
·小结 | 第24-25页 |
第三章 乳腺X 线图像的预处理 | 第25-34页 |
·引言 | 第25页 |
·乳腺癌的X 线表现 | 第25-26页 |
·乳腺X 线图像的增强 | 第26-29页 |
·形态学基础 | 第27-28页 |
·形态学增强方法 | 第28-29页 |
·Otsu 快速多阈值算法 | 第29-31页 |
·实验结果及分析 | 第31-32页 |
·小结 | 第32-34页 |
第四章 分水岭算法介绍 | 第34-46页 |
·引言 | 第34页 |
·分水岭算法的基本思想 | 第34-40页 |
·几种分水岭计算方法 | 第34-36页 |
·一种高效精确的分水岭计算方法 | 第36-38页 |
·本文运用的改进分水岭算法 | 第38-40页 |
·错误极小区检测纠正和快速算法 | 第40页 |
·区域合并 | 第40-43页 |
·极小区域的合并 | 第41页 |
·相似区域的合并 | 第41-42页 |
·相似区域合并终止条件 | 第42-43页 |
·实验结果及分析 | 第43-45页 |
·小结 | 第45-46页 |
第五章 神经网络分类器 | 第46-59页 |
·引言 | 第46页 |
·人工神经网络应用于医学诊断分类 | 第46-48页 |
·人工神经网络及其医学诊断应用原理 | 第46-47页 |
·人工神经网络在医学领域的应用 | 第47-48页 |
·神经网络结构及学习机理 | 第48-49页 |
·反向传播算法(BP 算法) | 第49-58页 |
·BP 算法网络模型 | 第49-51页 |
·BP 学习算法 | 第51-55页 |
·标准反向传播算法存在的问题及改进方法 | 第55页 |
·提高BP 算法的收敛速度 | 第55-56页 |
·权值调节的全局优化算法 | 第56-58页 |
·小结 | 第58-59页 |
第六章 基于共生矩阵纹理特征的乳腺X 线图像分类器设计 | 第59-67页 |
·引言 | 第59页 |
·灰度共生矩阵 | 第59-61页 |
·纹理特征提取的方法 | 第61-62页 |
·提取灰度图像 | 第61页 |
·灰度级量化 | 第61-62页 |
·计算特征值 | 第62页 |
·样本数据来源 | 第62-63页 |
·基于BP 神经网络的乳腺X 线图像分类器设计及结果分析 | 第63-66页 |
·FROC 曲线介绍 | 第63-64页 |
·结果与分析 | 第64-66页 |
·小结 | 第66-67页 |
第七章 基于边缘几何特征的乳腺X 线图像分类器设计 | 第67-75页 |
·引言 | 第67页 |
·基于区域生长的图像边缘分割 | 第67-68页 |
·形状特征提取 | 第68-71页 |
·紧凑度(Compactness) | 第68-69页 |
·Krawtchouk 矩 | 第69-70页 |
·傅立叶描述子(Fourier Descriptor) | 第70-71页 |
·基于形状特征的分类器设计及结果分析 | 第71-74页 |
·小结 | 第74-75页 |
第八章 乳腺癌计算机辅助诊断系统设计 | 第75-80页 |
·引言 | 第75页 |
·系统设计思想 | 第75-76页 |
·系统框架及处理流程 | 第76-78页 |
·程序执行的部分效果图 | 第78-79页 |
·开发与运行环境 | 第79页 |
·小结 | 第79-80页 |
第九章 总结与展望 | 第80-82页 |
·本文工作总结 | 第80-81页 |
·进一步的研究工作与展望 | 第81-82页 |
参考文献 | 第82-87页 |
致谢 | 第87-88页 |
在学期间的研究成果及发表的学术论文 | 第88页 |