基于超声图像的肝纤维化分期研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题来源及研究的背景和意义 | 第8-10页 |
| 1.1.1 课题的来源 | 第8页 |
| 1.1.2 课题研究的背景和意义 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-15页 |
| 第2章 感兴趣区域提取和预处理 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 图像灰度特征及纹理特征 | 第15-18页 |
| 2.2.1 灰度特征 | 第15-16页 |
| 2.2.2 图像纹理特征 | 第16-18页 |
| 2.3 基于灰度特征的感兴趣区域自动提取和预处理 | 第18-23页 |
| 2.3.1 感兴趣区域自动提取 | 第18-21页 |
| 2.3.2 图像预处理 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 多尺度多子图纹理特征提取 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 基于灰度共生矩阵的纹理特征提取 | 第24-30页 |
| 3.2.1 灰度共生矩阵法 | 第24-28页 |
| 3.2.2 多尺度灰度共生矩阵纹理特征提取算法 | 第28-30页 |
| 3.3 基于小波变换的纹理特征提取 | 第30-35页 |
| 3.3.1 小波变换纹理特征提取算法 | 第30-32页 |
| 3.3.2 小波多子图共生矩阵纹理特征提取算法 | 第32-35页 |
| 3.4 多尺度多子图纹理特征提取结果分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于SVM的特征选择和分类 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 SVM算法原理 | 第38-41页 |
| 4.3 基于SVM的特征选择算法 | 第41-42页 |
| 4.4 基于SVM的分级分类算法 | 第42-43页 |
| 4.5 特征选择和分类结果 | 第43-48页 |
| 4.5.1 特征选择结果 | 第43-45页 |
| 4.5.2 分类器参数选择 | 第45-46页 |
| 4.5.3 分类结果 | 第46-47页 |
| 4.5.4 对比实验 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 肝纤维化分期系统实现 | 第49-60页 |
| 5.1 引言 | 第49页 |
| 5.2 肝纤维化分期系统总体设计 | 第49-50页 |
| 5.3 纤维化分期模型训练系统 | 第50-51页 |
| 5.4 肝纤维化量化分期系统 | 第51-58页 |
| 5.4.1 系统设计 | 第51-52页 |
| 5.4.2 打分模块设计 | 第52-53页 |
| 5.4.3 映射函数设计 | 第53-56页 |
| 5.4.4 系统人机交互界面 | 第56-58页 |
| 5.5 本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |
