| 摘 要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 文献综述及研究设想 | 第10-20页 |
| ·超声成象技术 | 第10-12页 |
| ·脉冲回波成象原理 | 第10-11页 |
| ·B型超声成象技术 | 第11-12页 |
| ·其他超声成象技术 | 第12页 |
| ·图象分析概述 | 第12-13页 |
| ·B超图象纹理分析方法的研究进展 | 第13-15页 |
| ·B超图象纹理的形成机理 | 第13页 |
| ·纹理分析研究的主要领域 | 第13-14页 |
| ·纹理分析的主要方法 | 第14-15页 |
| ·结构纹理分析 | 第14页 |
| ·统计纹理分析 | 第14-15页 |
| ·基于模型的纹理分析 | 第15页 |
| ·变换纹理分析 | 第15页 |
| ·脂肪肝的超声诊断 | 第15-19页 |
| ·脂肪肝的形成及危害 | 第15-16页 |
| ·脂肪肝的超声诊断方法 | 第16-17页 |
| ·利用纹理分析诊断脂肪肝的可行性分析 | 第17页 |
| ·直接比较的纹理分类方法 | 第17-18页 |
| ·基于假设检验的纹理分类方法 | 第18-19页 |
| ·研究设想:用图象分析技术诊断脂肪肝 | 第19-20页 |
| 2 特征提取与选择 | 第20-48页 |
| ·图象采集 | 第20-23页 |
| ·图象来源 | 第20页 |
| ·采集设备 | 第20-21页 |
| ·采集位置 | 第21-23页 |
| ·图象格式 | 第23页 |
| ·选取感兴趣区域 | 第23-24页 |
| ·第一种ROI选取 | 第23-24页 |
| ·第二种ROI选择 | 第24页 |
| ·特征提取 | 第24-36页 |
| ·近远场平均灰度比特征 | 第24-26页 |
| ·纹理特征 | 第26-36页 |
| ·灰度共生矩阵 | 第26-32页 |
| ·灰度游程矩阵 | 第32-36页 |
| ·特征选择 | 第36-47页 |
| ·特征的类型 | 第36页 |
| ·从不同位置采集图象的特征处理方式 | 第36-37页 |
| ·特征-序号曲线 | 第37-43页 |
| ·基于假设检验的特征选择 | 第43-45页 |
| ·基于人工神经网络的特征选择 | 第45-46页 |
| ·最佳特征矢量 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 3 脂肪肝的无监督识别 | 第48-61页 |
| ·分类处理方式 | 第48-49页 |
| ·C-均值聚类 | 第49-51页 |
| ·算法描述 | 第49-50页 |
| ·图象分类结果 | 第50-51页 |
| ·基于自组织特征映射人工神经网络的图象识别 | 第51-57页 |
| ·人工神经网络 | 第51-52页 |
| ·自组织特征映射人工神经网络 | 第52-55页 |
| ·图象识别 | 第55-57页 |
| ·网络结构 | 第55-56页 |
| ·处理方式 | 第56页 |
| ·处理方式 | 第56-57页 |
| ·结果讨论 | 第57-60页 |
| ·对C-均值算法识别结果的讨论 | 第57-59页 |
| ·对SOFM网络识别结果的讨论 | 第59-60页 |
| ·C-均值算法与SOFM网络的识别结果比较 | 第60页 |
| ·本章小结 | 第60-61页 |
| 4 脂肪肝的有监督识别 | 第61-70页 |
| ·反向传播人工神经网络 | 第61-64页 |
| ·BP网络分类器 | 第64-65页 |
| ·处理方式1的结果 | 第65-67页 |
| ·处理方式2的结果 | 第67-68页 |
| ·讨论 | 第68-69页 |
| ·处理方式1与处理方式2的结果比较 | 第69页 |
| ·有监督识别与无监督识别的结果比较 | 第69页 |
| ·本章小结 | 第69-70页 |
| 5 全文总结 | 第70-73页 |
| ·论文工作的总结 | 第70页 |
| ·论文的创新点 | 第70-71页 |
| ·研究展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表、录用的论文，参加研究的课题及获奖情况列表 | 第74-75页 |
| 发表论文列表 | 第74页 |
| 参加研究的课题 | 第74页 |
| 获奖情况 | 第74-75页 |
| 声 明 | 第75-76页 |
| 参考文献 | 第76-79页 |