| 中文摘要 | 第7-9页 |
| 英文摘要 | 第9-10页 |
| 前言 | 第11-14页 |
| 材料和方法 | 第14-21页 |
| 1.原始数据采集及分组 | 第14-15页 |
| 2.计算机辅助诊断分析系统 | 第15-21页 |
| 2.1 ROI的提取 | 第15-16页 |
| 2.2 纹理特征的提取、筛选 | 第16-19页 |
| 2.3 数据归一化处理 | 第19页 |
| 2.4 BP神经网络及SVM分类器分类识别 | 第19-21页 |
| 结果 | 第21-24页 |
| 1.特征提取结果（部分-见表） | 第21页 |
| 2.特征筛选结果 | 第21-23页 |
| 3.特征归一化结果（表3） | 第23页 |
| 4.基于13个纹理特征量的BP神经网络分类器三组间两两分类识别结果（表4、5）如下 | 第23-24页 |
| 讨论 | 第24-28页 |
| （一）图像特征提取及选择、归一化 | 第25-26页 |
| （二）基于纹理特征的BP神经网络分类器与SVM分类器对S0-S1、S0-S2分类准确率较高，识别S1-S2准确率较低 | 第26页 |
| （三）SVM与BP神经网络分类器识别率比较 | 第26-28页 |
| 结论 | 第28-29页 |
| 参考文献 | 第29-32页 |
| 综述 | 第32-40页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |