基于CAD和心脏超声图像序列的血栓识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-24页 |
| 1.1 课题来源和研究背景 | 第9页 |
| 1.2 研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-18页 |
| 1.3.1 CAD 的形成和发展 | 第10-11页 |
| 1.3.2 CAD 的理论发展 | 第11-12页 |
| 1.3.3 CAD 的现状 | 第12-13页 |
| 1.3.4 特征提取的发展和现状 | 第13-16页 |
| 1.3.5 运动分析方法的发展和现状 | 第16-17页 |
| 1.3.6 分类方法的发展和现状 | 第17-18页 |
| 1.4 本课题主要研究内容 | 第18-22页 |
| 1.4.1 分类的流程 | 第19-20页 |
| 1.4.2 心脏超声图像鉴别特点 | 第20-22页 |
| 1.5 本文的内容组织 | 第22-24页 |
| 第2章 纹理特征 | 第24-31页 |
| 2.1 引言 | 第24页 |
| 2.2 灰度共生矩阵 | 第24-26页 |
| 2.2.1 常用 GLCM 特征 | 第24-25页 |
| 2.2.2 特征评价和选择 | 第25-26页 |
| 2.3 LBP 算子 | 第26-28页 |
| 2.3.1 基本 LBP 算子 | 第26-27页 |
| 2.3.2 扩展 LBP 算子 | 第27-28页 |
| 2.4 图像序列实验 | 第28-30页 |
| 2.4.1 图像序列中的纹理特征 | 第28-29页 |
| 2.4.2 血栓和梳状肌类 | 第29页 |
| 2.4.3 自发显影和正常类 | 第29页 |
| 2.4.4 实验结果分析 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 光流法的应用 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 梯度光流法原理 | 第31-33页 |
| 3.2.1 光流约束方程 | 第31-32页 |
| 3.2.2 Lucas-Kanade 算法 | 第32-33页 |
| 3.2 特征选择 | 第33-36页 |
| 3.3 分类策略 | 第36-37页 |
| 3.4 实验结果及分析 | 第37-41页 |
| 3.4.1 对比实验 | 第38-39页 |
| 3.4.2 最大样本集实验 | 第39-40页 |
| 3.4.3 结果分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 稀疏表示的分类 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 稀疏表示的原理 | 第42-45页 |
| 4.2.1 方程的解法 | 第44-45页 |
| 4.2.2 处理噪声 | 第45页 |
| 4.3 基于稀疏表示的分类 | 第45-49页 |
| 4.3.1 残余分类 | 第45-47页 |
| 4.3.2 纹理特征的应用 | 第47-48页 |
| 4.3.3 应用 FPC 算法 | 第48页 |
| 4.3.4 本文提出的分类算法 | 第48-49页 |
| 4.4 实验及结果 | 第49-53页 |
| 4.4.1 实验方法和说明 | 第49-50页 |
| 4.4.2 实验结果及分析 | 第50-51页 |
| 4.4.3 平衡数据集实验 | 第51-52页 |
| 4.4.4 对特征提取的鲁棒性 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62页 |
