| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 与课题相关的国内外研究现状 | 第9-12页 |
| 1.2.1 词袋模型算法研究现状 | 第9-10页 |
| 1.2.2 数据挖掘在医学图像分类中的研究现状 | 第10-11页 |
| 1.2.3 关联规则算法的研究现状 | 第11-12页 |
| 1.3 主要研究工作 | 第12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第二章 医学图像相关技术介绍 | 第14-23页 |
| 2.1 乳腺X线图像病变特征 | 第14-15页 |
| 2.1.1 肿块的评价 | 第14-15页 |
| 2.1.2 钙化的评价 | 第15页 |
| 2.1.3 不对称性改变和结构扭曲 | 第15页 |
| 2.2 医学图像预处理技术 | 第15-20页 |
| 2.2.1 图像去噪 | 第16-18页 |
| 2.2.2 图像增强 | 第18-20页 |
| 2.3 医学图像特征提取 | 第20-22页 |
| 2.3.1 灰度直方图特征 | 第20页 |
| 2.3.2 灰度共生矩阵特征 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于词袋模型分类算法的改进 | 第23-42页 |
| 3.1 引言 | 第23页 |
| 3.2 传统词袋模型算法介绍 | 第23-27页 |
| 3.2.1 特征描述 | 第23-25页 |
| 3.2.2 构建视觉词典 | 第25页 |
| 3.2.3 分配视觉单词 | 第25-26页 |
| 3.2.4 视觉单词直方图计算 | 第26-27页 |
| 3.3 基于MFI-BOVW的乳腺X线图像分类 | 第27-36页 |
| 3.3.1 形成特征描述子 | 第28-29页 |
| 3.3.2 构建视觉词典 | 第29-31页 |
| 3.3.3 分配视觉单词 | 第31页 |
| 3.3.4 MFI-BOVW算法 | 第31-36页 |
| 3.4 基于MFI-BOVW的乳腺X线图像分类实验 | 第36-41页 |
| 3.4.1 支持向量机（SVM） | 第36-37页 |
| 3.4.2 实验方案 | 第37-38页 |
| 3.4.3 实验结果与分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于关联规则分类算法的改进 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 关联规则的基本算法 | 第42-45页 |
| 4.2.1 关联规则的基本概念 | 第42-43页 |
| 4.2.2 Apriori算法 | 第43页 |
| 4.2.3 FP-growth算法 | 第43-45页 |
| 4.3 关联规则分类算法 | 第45-49页 |
| 4.3.1 关联分类的基本概念 | 第46-47页 |
| 4.3.2 CMAR算法 | 第47-48页 |
| 4.3.3 分类的效率和精度 | 第48-49页 |
| 4.4 关联分类改进算法SR-CMAR | 第49-52页 |
| 4.4.1 相关概念与定义 | 第50-51页 |
| 4.4.2 算法描述 | 第51页 |
| 4.4.3 算法分析 | 第51-52页 |
| 4.5 SR-CMAR实验分析 | 第52-54页 |
| 4.5.1 数据预处理与特征提取 | 第52-53页 |
| 4.5.2 实验结果与分析 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 基于词袋模型和关联规则的医学图像分类 | 第55-61页 |
| 5.1 引言 | 第55页 |
| 5.2 分类处理的流程 | 第55-57页 |
| 5.3 实验结果与分析 | 第57-60页 |
| 5.3.1 初步分类 | 第57-58页 |
| 5.3.2 最终分类 | 第58-59页 |
| 5.3.3 分类精确度 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间申请的专利 | 第66-67页 |
| 致谢 | 第67页 |