基于IVOCT的冠状动脉粥样硬化斑块识别算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 冠心病 | 第11-15页 |
| 1.1.1 冠状动脉粥样硬化斑块 | 第11-13页 |
| 1.1.2 评估冠状动脉粥样硬化的影像方法 | 第13-15页 |
| 1.2 光学相干断层成像技术和应用 | 第15-18页 |
| 1.2.1 OCT成像原理 | 第15-17页 |
| 1.2.2 IVOCT | 第17-18页 |
| 1.3 冠状动脉内OCT图像分析 | 第18-21页 |
| 1.3.1 IVOCT图像中的血管表征 | 第18-19页 |
| 1.3.2 国内外研究现状 | 第19-21页 |
| 1.4 本文研究内容与方法 | 第21-23页 |
| 第二章 IVOCT图像预处理 | 第23-33页 |
| 2.1 散斑噪声 | 第23-24页 |
| 2.2 去除指引导丝伪影 | 第24-25页 |
| 2.3 去除成像导管伪影并提取血管内腔轮廓 | 第25-27页 |
| 2.4 坐标系转换 | 第27页 |
| 2.5 实验结果与分析 | 第27-33页 |
| 第三章 纹理特征提取 | 第33-43页 |
| 3.1 纹理特征 | 第33-34页 |
| 3.2 基于灰度共生矩阵的纹理特征提取方法 | 第34-39页 |
| 3.3 灰度共生矩阵的参数选取 | 第39-40页 |
| 3.4 关于纹理特征提取的实验设计 | 第40-43页 |
| 第四章 纹理特征分析与特征选择 | 第43-55页 |
| 4.1 数据预处理 | 第43-45页 |
| 4.2 特征分析与特征选择 | 第45-49页 |
| 4.2.1 特征相关性与冗余度 | 第45-46页 |
| 4.2.2 属性选择方法 | 第46-49页 |
| 4.2.2.1 基于卡方系数的属性评估方法 | 第47页 |
| 4.2.2.2 基于信息增益的属性评估方法 | 第47-48页 |
| 4.2.2.3 基于增益率的属性评估方法 | 第48-49页 |
| 4.3 纹理特征分析结果 | 第49-51页 |
| 4.4 讨论 | 第51-55页 |
| 4.4.1 灰度共生矩阵参数对特征相关性的影响 | 第52页 |
| 4.4.2 数据变换对纹理特征相关性的影响 | 第52页 |
| 4.4.3 不同类别纹理特征的相关性 | 第52-55页 |
| 第五章 基于随机森林分类器的特征建模与像素点分类 | 第55-63页 |
| 5.1 机器学习概述 | 第55-56页 |
| 5.2 随机森林分类器模型 | 第56-60页 |
| 5.2.1 基于决策树的分类器 | 第56-58页 |
| 5.2.2 随机森林 | 第58-60页 |
| 5.3 实验设计 | 第60页 |
| 5.4 像素点分类结果 | 第60页 |
| 5.5 分析与讨论 | 第60-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 作者简介 | 第73页 |
