B超图像的乳腺肿瘤计算机辅助诊断系统研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及实际意义 | 第10-12页 |
| ·乳腺肿瘤计算机辅助诊断系统研究现状 | 第12-16页 |
| ·主要研究工作 | 第16-17页 |
| ·论文的主要研究内容及结构 | 第17-18页 |
| 第二章 乳腺肿瘤的超声诊断分析 | 第18-26页 |
| ·乳腺肿瘤的医学诊断 | 第18-20页 |
| ·乳腺肿瘤的一般诊断方法 | 第18页 |
| ·乳腺肿瘤的影像学诊断方法 | 第18-20页 |
| ·医学超声诊断分析 | 第20-23页 |
| ·超声诊断分类 | 第21-22页 |
| ·超声成像基本原理 | 第22页 |
| ·B 超的临床应用 | 第22-23页 |
| ·乳腺肿瘤B 型超声声像图特征 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 乳腺肿瘤B超图像预处理 | 第26-40页 |
| ·图像去噪 | 第26-32页 |
| ·B 超图像的噪声分析 | 第26-27页 |
| ·均值滤波 | 第27-28页 |
| ·中值滤波 | 第28-29页 |
| ·加权中值滤波 | 第29-31页 |
| ·实验结果分析 | 第31-32页 |
| ·对比度增强 | 第32-39页 |
| ·超声图像直方图 | 第32-33页 |
| ·自适应灰度拉伸 | 第33-35页 |
| ·改进的直方图均衡化 | 第35-38页 |
| ·实验结果及分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于区域生长的超声图像分割 | 第40-55页 |
| ·医学超声图像分割方法 | 第40-44页 |
| ·基于边缘的分割 | 第40-42页 |
| ·基于区域的分割 | 第42-44页 |
| ·基于区域生长的超声图像分割 | 第44-50页 |
| ·自动选取初始种子点 | 第44-45页 |
| ·生长准则 | 第45页 |
| ·生长过程 | 第45-47页 |
| ·区域生长后续处理 | 第47-49页 |
| ·边界跟踪 | 第49-50页 |
| ·实验结果及分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 特征提取与识别 | 第55-72页 |
| ·特征提取 | 第55-66页 |
| ·基于分形维数的乳腺肿瘤特征提取 | 第55-60页 |
| ·形态特征提取 | 第60-66页 |
| ·特征选择 | 第66-67页 |
| ·基于BP 神经网络的计算机识别 | 第67-71页 |
| ·BP神经网络 | 第67-68页 |
| ·构建BP 神经网络 | 第68-69页 |
| ·实验结果分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 研究生在校期间的科研成果 | 第78页 |
