基于超声肝脏图像纹理特征的计算机辅助诊断
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 B超肝脏CAD概况 | 第9页 |
| 1.3 B超肝脏CAD的起源 | 第9-11页 |
| 1.4 论文的研究内容 | 第11-12页 |
| 1.5 论文安排 | 第12-14页 |
| 2 B超肝脏CAD的构建方案 | 第14-16页 |
| 2.1 B超肝脏CAD框架 | 第14页 |
| 2.2 各模块内容说明 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 3 ROI的提取和预处理 | 第16-28页 |
| 3.1 B超图像的特征 | 第16页 |
| 3.2 ROI的提取 | 第16-17页 |
| 3.3 对ROI进行降噪处理 | 第17-23页 |
| 3.3.1 中值滤波 | 第18页 |
| 3.3.2 维纳滤波 | 第18-20页 |
| 3.3.3 小波阈值降噪 | 第20-21页 |
| 3.3.4 降噪处理性能评价 | 第21-23页 |
| 3.4 对ROI进行增强处理 | 第23-27页 |
| 3.4.1 灰度变换 | 第24页 |
| 3.4.2 锐化 | 第24-25页 |
| 3.4.3 基于低通滤波的增强算法 | 第25-26页 |
| 3.4.4 增强处理性能评价 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 B超图像纹理特征的提取方法与实现 | 第28-35页 |
| 4.1 灰度共生矩阵 | 第28-32页 |
| 4.2 灰度差直方图统计 | 第32-33页 |
| 4.3 傅里叶能量谱的特征 | 第33-34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 B超肝脏图像的模式识别 | 第35-38页 |
| 5.1 利用神经网络构建分类器 | 第35-37页 |
| 5.2 B超肝脏CAD性能评价 | 第37页 |
| 5.3 本章小结 | 第37-38页 |
| 6 结论 | 第38-40页 |
| 6.1 本文工作总结 | 第38-39页 |
| 6.2 未来工作展望 | 第39-40页 |
| 参考文献 | 第40-46页 |
| 攻读学位期间主要的研究成果 | 第46-48页 |
| 致谢 | 第48页 |
