基于图论的乳腺肿瘤超声图像的分割和识别方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 插图清单 | 第10页 |
| 表格清单 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·医学图像处理的目的和意义 | 第11-12页 |
| ·医学图像处理技术的发展 | 第12-17页 |
| ·图像分割 | 第12-14页 |
| ·特征提取 | 第14-16页 |
| ·分类器 | 第16-17页 |
| ·本文的工作概要和内容安排 | 第17-19页 |
| ·主要工作 | 第17-18页 |
| ·论文的章节安排 | 第18-19页 |
| 第二章 基于图论的分割方法 | 第19-39页 |
| ·图像预处理 | 第19-20页 |
| ·RGB 分割算法 | 第20-25页 |
| ·建图 | 第20-21页 |
| ·区域对比较准则 | 第21-24页 |
| ·融合 | 第24页 |
| ·计算区域统计信息 | 第24-25页 |
| ·RGB 算法流程 | 第25页 |
| ·实验结果及分析 | 第25-37页 |
| ·实验方法 | 第25-28页 |
| ·实验结果的定性分析 | 第28-32页 |
| ·实验结果的定量分析 | 第32-37页 |
| ·本章小结 | 第37-39页 |
| 第三章 超声图像的特征提取与特征选择 | 第39-52页 |
| ·乳腺肿瘤超声图像的特征提取 | 第39-46页 |
| ·灰度直方图 | 第39-40页 |
| ·灰度共生矩阵 | 第40-44页 |
| ·梯度方向直方图 | 第44-45页 |
| ·形态特征 | 第45-46页 |
| ·特征选择方法 | 第46-50页 |
| ·主成分分析法 | 第46-48页 |
| ·方差分值法 | 第48-49页 |
| ·Laplacian 分值法 | 第49页 |
| ·Fisher 分值法 | 第49-50页 |
| ·实验结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 乳腺肿瘤超声图像的区域识别法 | 第52-59页 |
| ·分类器 | 第52-53页 |
| ·K 近邻 | 第52页 |
| ·神经网络 | 第52-53页 |
| ·实验结果及分析 | 第53-58页 |
| ·实验结果 | 第54-58页 |
| ·实验分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 总结 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |
