| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景和意义 | 第6-7页 |
| 1.2 肝脏计算机辅助诊断系统概述 | 第7-8页 |
| 1.2.1 肝脏CAD框架 | 第7-8页 |
| 1.2.2 模块说明 | 第8页 |
| 1.3 肝脏CAD研究现状 | 第8-9页 |
| 1.4 论文的主要研究内容及安排 | 第9-11页 |
| 第二章 肝脏B超图像特征描述 | 第11-14页 |
| 2.1 B型超声成像原理 | 第11页 |
| 2.2 正常肝B超图像的特征表现 | 第11-12页 |
| 2.3 肝硬化B超图像的特征表现 | 第12页 |
| 2.4 脂肪肝B超图像的特征表现 | 第12-14页 |
| 第三章 ROI提取和图像预处理 | 第14-22页 |
| 3.1 图像采集 | 第14页 |
| 3.2 ROI提取 | 第14-15页 |
| 3.3 图像去噪 | 第15-18页 |
| 3.3.1 中值滤波 | 第15页 |
| 3.3.2 自适应阈值的小波去噪 | 第15-16页 |
| 3.3.3 性能评价 | 第16-18页 |
| 3.4 图像增强 | 第18-21页 |
| 3.4.1 基于直方图的图像增强 | 第18-19页 |
| 3.4.2 基于低通滤波器的图像增强 | 第19-20页 |
| 3.4.3 性能评价 | 第20-21页 |
| 3.5 本章小结 | 第21-22页 |
| 第四章 特征提取 | 第22-30页 |
| 4.1 一阶直方图统计 | 第22-24页 |
| 4.2 灰度共生矩阵 | 第24-25页 |
| 4.3 灰度差直方图统计 | 第25-26页 |
| 4.4 小波包变换 | 第26-29页 |
| 4.5 本章小结 | 第29-30页 |
| 第五章 特征选择 | 第30-36页 |
| 5.1 特征选择算法概述 | 第30-31页 |
| 5.2 遗传算法 | 第31-35页 |
| 5.2.1 编码 | 第32-33页 |
| 5.2.2 种群初始化 | 第33页 |
| 5.2.3 适应度计算 | 第33页 |
| 5.2.4 遗传算子 | 第33-35页 |
| 5.3 本章小结 | 第35-36页 |
| 第六章 基于Adaboost-BP神经网络的图像识别 | 第36-48页 |
| 6.1 人工神经网络 | 第36-37页 |
| 6.2 BP神经网络 | 第37-39页 |
| 6.3 Adaboost-BP神经网络设计 | 第39-41页 |
| 6.4 CAD性能评价 | 第41-47页 |
| 6.5 本章小结 | 第47-48页 |
| 第七章 总结与展望 | 第48-49页 |
| 7.1 总结 | 第48页 |
| 7.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |