| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史和现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 X-ray手骨图像预处理和分割 | 第15-37页 |
| 2.1 X-ray手骨图像采集 | 第15-18页 |
| 2.1.1 骨龄及手骨生长规律简介 | 第15-16页 |
| 2.1.2 X-ray成像原理 | 第16-17页 |
| 2.1.3 图像的拍摄与收集 | 第17-18页 |
| 2.2 X-ray手骨图像的预处理 | 第18-26页 |
| 2.2.1 X-ray手骨图像的缩放 | 第18-20页 |
| 2.2.2 X-ray手骨图像的降噪 | 第20-23页 |
| 2.2.3 X-ray手骨图像的对比度增强 | 第23-26页 |
| 2.3 图像分割方法 | 第26-34页 |
| 2.3.1 基于阈值的X-ray手骨图像分割方法 | 第26-28页 |
| 2.3.2 基于边缘检测的X-ray手骨图像分割方法 | 第28-32页 |
| 2.3.3 基于区域的X-ray手骨图像分割方法 | 第32-33页 |
| 2.3.4 基于形态学分水岭的X-ray手骨图像分割方法 | 第33-34页 |
| 2.4 X-ray手骨图像的裁剪 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 图像样本空间扩展 | 第37-44页 |
| 3.1 几何变化策略 | 第37页 |
| 3.2 GAN策略 | 第37-40页 |
| 3.2.1 GAN原理介绍 | 第37-39页 |
| 3.2.2 DCGAN | 第39-40页 |
| 3.3 弹性变形策略 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于SVM的骨龄自动评估 | 第44-58页 |
| 4.1 特征提取 | 第44-51页 |
| 4.1.1 SIFT特征 | 第44-47页 |
| 4.1.2 LBP特征 | 第47-49页 |
| 4.1.3 GLCM特征 | 第49-51页 |
| 4.2 PCA降维 | 第51-52页 |
| 4.3 SVM | 第52-55页 |
| 4.4 实验实施及结果分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 基于卷积神经网络的骨龄自动评估 | 第58-76页 |
| 5.1 卷积神经网络 | 第58-64页 |
| 5.1.1 激活函数 | 第58-59页 |
| 5.1.2 卷积神经网络结构 | 第59-64页 |
| 5.2 骨龄评估网络架构 | 第64-71页 |
| 5.2.1 ResNet | 第64-66页 |
| 5.2.2 空间变换器 | 第66-69页 |
| 5.2.3 SoftMax回归 | 第69-70页 |
| 5.2.4 ST-ResNet网络模型 | 第70-71页 |
| 5.3 实验实施及结果分析 | 第71-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 本文总结 | 第76-77页 |
| 6.2 后续工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |