乳腺X线影像中钙化点检测方法的研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪 论 | 第10-16页 |
| ·乳腺X线影像中钙化点检测的意义 | 第10-11页 |
| ·钙化点检测方法综述 | 第11-14页 |
| ·常规图像处理 | 第11-12页 |
| ·基于统计学的方法 | 第12页 |
| ·基于神经网络的算法 | 第12页 |
| ·基于小波变换的多分辨率技术 | 第12页 |
| ·多种技术方法的综合应用 | 第12-14页 |
| ·钙化点检测的难点 | 第14页 |
| ·本文采用的方法和论文组织 | 第14-16页 |
| ·方法 | 第14-15页 |
| ·论文组织 | 第15页 |
| ·本文所做的主要工作 | 第15-16页 |
| 2 在钙化点检测中应用的常规图像处理方法 | 第16-25页 |
| ·中值滤波 | 第16-21页 |
| ·中值滤波 | 第16-17页 |
| ·中心加权中值滤波器 | 第17-18页 |
| ·变换的滤波窗 | 第18-19页 |
| ·树状非线性滤波器(TSF) | 第19-21页 |
| ·图像分割 | 第21-24页 |
| ·阈值法 | 第21-22页 |
| ·区域增长技术 | 第22-24页 |
| ·差值图像技术 | 第24-25页 |
| 3 小波变换在钙化点检测中的应用 | 第25-36页 |
| ·小波和小波变换 | 第25-27页 |
| ·多分辨率分析 | 第27-29页 |
| ·Mallat算法 | 第29-32页 |
| ·在钙化点检测中的应用 | 第32-36页 |
| ·影像增强与去噪 | 第33-34页 |
| ·钙化点分割 | 第34-35页 |
| ·特征提取 | 第35-36页 |
| 4 人工神经网络在钙化点检测中的应用 | 第36-46页 |
| ·人工神经网络简介 | 第36-39页 |
| ·神经网络的构成 | 第36-37页 |
| ·神经网络的性能 | 第37-38页 |
| ·神经网络的学习 | 第38-39页 |
| ·BP神经网络及其学习算法 | 第39-44页 |
| ·BP神经网络的结构 | 第39页 |
| ·BP神经网络的工作过程 | 第39页 |
| ·反向传播学习算法 | 第39-43页 |
| ·BP算法存在的问题和改进措施 | 第43页 |
| ·BP网络设计中考虑的问题 | 第43-44页 |
| ·BP神经网络在钙化点检测中的应用 | 第44-46页 |
| 5 检测结果及分析 | 第46-68页 |
| ·影像数据资料来源 | 第46-47页 |
| ·影像预处理 | 第47-50页 |
| ·影像规格化处理 | 第47页 |
| ·影像滤波 | 第47-50页 |
| ·钙化点分割 | 第50-55页 |
| ·基于差值图像、局部阈值法分割钙化点 | 第50-51页 |
| ·基于小波分解子图、极限方式分割钙化点 | 第51-54页 |
| ·基于区域增长技术分割钙化点 | 第54-55页 |
| ·钙化点特征提取和分析 | 第55-63页 |
| ·形态域特征 | 第56-59页 |
| ·空域(灰度)特征 | 第59-60页 |
| ·簇描述特征 | 第60页 |
| ·形态域特征分析 | 第60-63页 |
| ·钙化点的分类 | 第63页 |
| ·假阳性钙化点的分类识别 | 第63页 |
| ·良、恶性钙化的分类 | 第63页 |
| ·实验结果及分析 | 第63-68页 |
| ·钙化点分割结果 | 第64-66页 |
| ·钙化点特征值计算 | 第66-67页 |
| ·神经网络识别结果 | 第67-68页 |
| 6 总结 | 第68-70页 |
| ·总结 | 第68页 |
| ·存在的问题 | 第68页 |
| ·进一步要做的工作 | 第68-70页 |
| 致 谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附: 作者在攻读硕士学位期间发表的论文 | 第74-75页 |
