| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·乳腺影像技术 | 第10-12页 |
| ·乳腺 X 线摄影 | 第10-11页 |
| ·BI-RADS 分级诊断标准 | 第11-12页 |
| ·计算机辅助诊断技术 | 第12-14页 |
| ·传统机器智能的计算机辅助诊断 | 第12-13页 |
| ·人机智能融合的计算机辅助诊断 | 第13-14页 |
| ·本文的主要工作 | 第14-16页 |
| ·本文的主要内容 | 第14-15页 |
| ·本文的组织结构 | 第15-16页 |
| 第2章 基于 Web 的乳腺钼靶肿块诊断平台 | 第16-26页 |
| ·平台的需求分析 | 第16页 |
| ·平台的浏览器端技术 | 第16-19页 |
| ·HTML 和 CSS | 第16-17页 |
| ·JavaScript 技术 | 第17-18页 |
| ·Ajax 技术 | 第18-19页 |
| ·平台的服务器端技术 | 第19-21页 |
| ·Servlet 和 JSP | 第19-20页 |
| ·JavaBean 和 JDBC | 第20-21页 |
| ·平台的浏览器端设计 | 第21-24页 |
| ·平台的服务器端设计 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 人机智能融合模型 | 第26-33页 |
| ·人机融合系统和融合算法 | 第26-27页 |
| ·基于 Alpha-Integration 的人机智能融合模型 | 第27-30页 |
| ·Alpha-Integration 算法引言 | 第27-28页 |
| ·泛化平均的 Alpha-Mean | 第28-29页 |
| ·Alpha-Divergence 测量体系 | 第29页 |
| ·最优的 Alpha-Integration | 第29-30页 |
| ·融合模型的参数自适应 | 第30页 |
| ·基于 Multi-Agent 的人机智能融合模型 | 第30-32页 |
| ·Multi-Agent 思想的介绍 | 第30-31页 |
| ·Multi-Agent 融合算法 | 第31-32页 |
| ·Multi-Agent 融合算法实现步骤 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 医师和 CAD系统单智能体肿块诊断 | 第33-39页 |
| ·医师 BI-RADS 分级诊断数据挖掘 | 第33页 |
| ·传统机器智能的 CAD 系统设计 | 第33-34页 |
| ·乳腺肿块的分割 | 第34页 |
| ·肿块的特征选择与提取 | 第34页 |
| ·分类方法设计 | 第34页 |
| ·实验数据与评估方法 | 第34-36页 |
| ·医师 BI-RADS 分级诊断 | 第36-37页 |
| ·医师分级诊断与 CAD 系统诊断的比较 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于人机智能融合的乳腺肿块辅助诊断 | 第39-52页 |
| ·基于自适应融合模型的肿块诊断 | 第39-45页 |
| ·自适应融合实验流程 | 第39页 |
| ·实验结果 | 第39-44页 |
| ·实验结果分析与讨论 | 第44-45页 |
| ·基于多智能体融合模型的肿块诊断 | 第45-49页 |
| ·基于 Multi-agent 算法的融合实验 | 第45-48页 |
| ·融合实验的分析讨论 | 第48-49页 |
| ·两种融合模型的比较 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |