| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的研究内容及结构安排 | 第11-12页 |
| 1.4 本研究工作的创新点 | 第12-13页 |
| 第二章 相关知识及基础理论 | 第13-18页 |
| 2.1 食管早癌的图像特征及临床诊断 | 第13页 |
| 2.2 计算机辅助诊断方法的基本原理 | 第13-15页 |
| 2.3 计算机辅助诊断食管早癌方法所涉及的问题 | 第15-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 胃镜图像中感兴趣区域的提取 | 第18-28页 |
| 3.1 引言 | 第18页 |
| 3.2 方法 | 第18-23页 |
| 3.2.1 方法的框架 | 第21页 |
| 3.2.2 方法的步骤 | 第21-23页 |
| 3.3 实验结果与分析 | 第23-26页 |
| 3.3.1 数据和参数 | 第23页 |
| 3.3.2 结果与分析 | 第23-26页 |
| 3.4 实验结论与讨论 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第四章 感兴趣区域的特征提取与判别 | 第28-45页 |
| 4.1 引言 | 第28页 |
| 4.2 特征提取 | 第28-35页 |
| 4.2.1 描述区域全局特点的特征算子 | 第28-32页 |
| 4.2.2 突出区域局部特点的特征算子 | 第32-33页 |
| 4.2.3 初步分析特征算子的区分能力 | 第33-35页 |
| 4.3 感兴趣区域的分类判别 | 第35-39页 |
| 4.3.1 Adaboost分类器的基本原理 | 第36-38页 |
| 4.3.2 Adaboost分类器对医学诊断问题的优势 | 第38-39页 |
| 4.4 实验结果与分析 | 第39-43页 |
| 4.4.1 本文方法与其他方法的比较 | 第40-41页 |
| 4.4.2 本文方法与原始的Adaboost算法的比较 | 第41-43页 |
| 4.5 实验结论与讨论 | 第43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 工作展望 | 第45-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-52页 |