| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 脑部医学图像识别的研究背景与意义 | 第10-11页 |
| 1.3 脑部医学图像识别的国内外研究现状 | 第11-12页 |
| 1.4 论文主要研究内容和创新点 | 第12-13页 |
| 1.5 论文组织结构 | 第13-14页 |
| 第二章 脑部医学图像识别的相关知识 | 第14-30页 |
| 2.1 脑部医学成像技术 | 第14-16页 |
| 2.2 脑部医学图像识别的基本流程 | 第16-28页 |
| 2.2.1 预处理 | 第17-18页 |
| 2.2.2 特征提取 | 第18-25页 |
| 2.2.3 图像分类 | 第25-28页 |
| 2.3 ADNI公开数据库 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于多特征融合的脑部医学图像识别 | 第30-54页 |
| 3.1 基于多特征融合的脑部医学图像识别方法 | 第30-32页 |
| 3.1.1 传统的特征融合方法简介 | 第30-31页 |
| 3.1.2 基于纹理特征和形态学特征的脑部医学图像识别 | 第31-32页 |
| 3.2 提取脑部医学图像的纹理特征提取 | 第32-41页 |
| 3.2.1 灰度共生矩阵 | 第33-37页 |
| 3.2.2 基于Gabor变换的纹理特征提取技术 | 第37-41页 |
| 3.3 提取脑部医学图像的形态学特征提取 | 第41-48页 |
| 3.3.1 空间标准化 | 第41-43页 |
| 3.3.2 脑组织分割 | 第43页 |
| 3.3.3 空间平滑 | 第43页 |
| 3.3.4 基于统计检验的差异分析 | 第43-48页 |
| 3.4 实验与结果分析 | 第48-53页 |
| 3.4.1 实验环境与数据 | 第48页 |
| 3.4.2 实验设置与评价指标 | 第48-50页 |
| 3.4.3 实验结果及分析 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于改进的SVM-RFE的脑部医学图像识别 | 第54-69页 |
| 4.1 优化的特征融合技术 | 第54-61页 |
| 4.1.1 特征降维与选择技术 | 第54-58页 |
| 4.1.2 多核学习方法 | 第58-61页 |
| 4.2 基于改进的SVM-RFE算法的脑部医学图像识别 | 第61-65页 |
| 4.2.1 SVM-RFE算法 | 第62-63页 |
| 4.2.2 改进的SVM-RFE算法 | 第63-65页 |
| 4.3 实验与结果分析 | 第65-68页 |
| 4.3.1 实验设置 | 第65-66页 |
| 4.3.2 实验结果及分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |
