| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-18页 |
| ·研究背景和意义 | 第14-15页 |
| ·医学图像分类的难点问题 | 第15-16页 |
| ·本文内容与贡献 | 第16页 |
| ·本文的结构安排 | 第16-18页 |
| 第二章 医学图像分类的理论与方法 | 第18-29页 |
| ·图像分类发展历程 | 第18页 |
| ·自动图像分类基本流程 | 第18-20页 |
| ·医学图像的特点 | 第20-21页 |
| ·多模态性 | 第20页 |
| ·不均匀和模糊性 | 第20-21页 |
| ·数据异质性 | 第21页 |
| ·时空关系 | 第21页 |
| ·特定的数据库技术及其网络通讯标准 | 第21页 |
| ·图像底层特征介绍 | 第21-24页 |
| ·颜色特征 | 第21-22页 |
| ·纹理特征 | 第22-23页 |
| ·形状特征 | 第23-24页 |
| ·多特征融合 | 第24页 |
| ·分类算法介绍 | 第24-25页 |
| ·公共竞赛与公共图像库 | 第25-28页 |
| ·imageCLEF 发展 | 第26页 |
| ·IRMA 医学图像库 | 第26页 |
| ·IRMA-code | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 SVM 分类器原理 | 第29-35页 |
| ·线性支持向量机 | 第29-31页 |
| ·非线性支持向量机 | 第31-33页 |
| ·支持向量机的应用 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于全局特征的医学图像分类 | 第35-55页 |
| ·Appearance-based 特征及IDM 相似度量 | 第35-37页 |
| ·Appearance-based 特征 | 第35页 |
| ·IDM 原理 | 第35-37页 |
| ·TAMURA 纹理特征 | 第37-40页 |
| ·粗糙度 | 第37-38页 |
| ·方向度 | 第38-39页 |
| ·对比度 | 第39页 |
| ·TAMURA 直方图 | 第39-40页 |
| ·Gabor 纹理特征 | 第40-41页 |
| ·LBP 纹理特征 | 第41-46页 |
| ·LBP 算子 | 第42-44页 |
| ·LBP 算子的旋转不变性 | 第44-45页 |
| ·LBP 算子的统一模式 | 第45-46页 |
| ·LBP 直方图 | 第46页 |
| ·实验数据与评判准则 | 第46-49页 |
| ·医学图像数据集 | 第46-48页 |
| ·实验评判准则 | 第48-49页 |
| ·实验及讨论 | 第49-54页 |
| ·实验安排 | 第49-50页 |
| ·实验结果与分析 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于局部特征的医学图像分类 | 第55-72页 |
| ·SIFT 特征 | 第55-64页 |
| ·图像的多尺度表示 | 第56-58页 |
| ·SIFT 特征提取算法 | 第58-64页 |
| ·ModSIFT 特征 | 第64页 |
| ·Bag-Of-Words 特征表示 | 第64-66页 |
| ·实验及讨论 | 第66-71页 |
| ·实验安排 | 第66-67页 |
| ·实验结果与分析 | 第67-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 融合全局和局部特征医学图像分类 | 第72-80页 |
| ·底层特征融合 | 第72页 |
| ·中间层特征融合 | 第72-73页 |
| ·高层特征融合 | 第73-74页 |
| ·实验及讨论 | 第74-79页 |
| ·实验安排 | 第74页 |
| ·实验结果与分析 | 第74-79页 |
| ·本章小结 | 第79-80页 |
| 第七章 结论与展望 | 第80-82页 |
| ·本文主要工作及结论 | 第80页 |
| ·今后工作展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 个人简历 | 第89-90页 |
| 攻硕期间研究工作 | 第90-91页 |