首页--数理科学和化学论文--物理学论文--光学论文--X射线、紫外线、红外线论文--X射线论文

乳腺钼靶X线病灶检测研究

中文摘要第3-6页
Abstract第6-8页
第1章 绪论第17-32页
    1.1 课题研究背景与选题来源第17-19页
    1.2 基于乳腺钼靶X线图像的计算机辅助诊断系统第19-22页
    1.3 乳腺X线病灶检测研究现状第22-25页
        1.3.1 钙化点簇检测研究现状第23-24页
        1.3.2 肿块分割现状第24-25页
    1.4 数据库收集整理第25-29页
        1.4.1 MIAS数据库第25-26页
        1.4.2 DDSM数据库第26页
        1.4.3 JSMIT数据库第26-27页
        1.4.4 INbreast数据库第27页
        1.4.5 DWBCD乳腺癌特征库第27-28页
        1.4.6 收集的其他数据样本第28页
        1.4.7 数据库总结第28-29页
    1.5 论文主要工作和创新点第29-31页
    1.6 论文章节安排第31-32页
第2章 算法理论支撑及病灶特性解析第32-48页
    2.1 图像处理相关理论第32-37页
        2.1.1 图像直方图第32-33页
        2.1.2 形态学理论第33-34页
        2.1.3 区域生长算法第34-36页
        2.1.4 PCNN原型第36-37页
    2.2 乳腺钼靶X线图像预处理第37-42页
        2.2.1 乳腺区域提取第37-39页
        2.2.2 病灶增强第39-42页
    2.3 乳腺钼靶X线病灶特性分析第42-47页
        2.3.1 钙化点特性分析第42-45页
        2.3.2 肿块特性分析第45-47页
    2.4 本章小结第47-48页
第3章 基于轮廓波变换和无耦合链接SPCNN的MCs检测第48-71页
    3.1 轮廓波变换相关理论概述第49-54页
        3.1.1 从小波分析到多尺度几何分析第49-50页
        3.1.2 轮廓波变换第50-54页
    3.2 基于Contourlet变换与无耦合链接SPCNN的钙化点检测第54-59页
        3.2.1 图像预处理第55-56页
        3.2.2 可疑钙化点提取第56-57页
        3.2.3 钙化点检测第57-59页
        3.2.4 钙化点簇提取第59页
    3.3 实验结果讨论分析第59-70页
        3.3.1 实验设置第59页
        3.3.2 评价指标第59-62页
        3.3.3 结果讨论和分析第62-69页
        3.3.4 实验验证第69-70页
    3.4 本章小结第70-71页
第4章 基于改进CV模型的肿块分割算法第71-93页
    4.1 相关理论准备第71-78页
        4.1.1 水平集原理第71-74页
        4.1.2 活动轮廓模型第74-78页
    4.2 基于偏移场和局部灰度统计特性的改进CV模型第78-85页
        4.2.1 SCM获取初始轮廓第78页
        4.2.2 变分水平集的引入第78-80页
        4.2.3 偏置场理论第80-83页
        4.2.4 局部区域可伸缩外力第83-85页
    4.3 实验与分析第85-92页
        4.3.1 评价指标第85页
        4.3.2 实验结果和分析第85-92页
        4.3.3 算法验证第92页
    4.4 本章小结第92-93页
第5章 基于人眼视觉显著性的肿块分割模型第93-113页
    5.1 人眼视觉显著性理论概述第93-99页
        5.1.1 人眼视觉显著性研究综述第93-95页
        5.1.2 经典Itti模型第95-99页
    5.2 基于显著性理论的乳腺X线肿块分割第99-104页
        5.2.1 显著性图谱计算第99-102页
        5.2.2 SM-ISPCNN模型第102-104页
        5.2.3 乳腺X线肿块检测第104页
    5.3 实验设置和结果分析第104-112页
        5.3.1 实验参数设置第105页
        5.3.2 评价指标第105-106页
        5.3.3 实验结果分析及讨论第106-111页
        5.3.4 临床验证第111-112页
    5.4 本章小结第112-113页
第6章 基于改进U-Net的肿块分割模型第113-132页
    6.1 引言第113页
    6.2 相关理论概述第113-120页
        6.2.1 卷积神经网络第114-117页
        6.2.2 全卷积网络第117-118页
        6.2.3 U-Net网络第118-120页
    6.3 残差U型网络第120-125页
        6.3.1 残差网络理论第120-122页
        6.3.2 残差U型网络第122-124页
        6.3.3 基于残差U-Net的肿块分割算法实现第124-125页
    6.4 实验结果分析和讨论第125-130页
        6.4.1 实验设置第125-126页
        6.4.2 图像预处理第126-127页
        6.4.3 损失函数第127页
        6.4.4 实验结果讨论和分析第127-130页
    6.5 本章小结第130-132页
第7章 总结与展望第132-134页
参考文献第134-146页
在学期间的研究成果第146-149页
致谢第149页

论文共149页,点击 下载论文
上一篇:PBX3表达水平与宫颈癌患者预后等临床病理因素的关系及其机制研究
下一篇:防己中逆转非小细胞肺癌化疗耐药性有效成分的筛选及分子机制研究