| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 引言 | 第10-13页 |
| 0.1 课题研究的背景及意义 | 第10页 |
| 0.2 国内外研究现状 | 第10-11页 |
| 0.3 本文主要内容 | 第11-13页 |
| 第1章 乳腺 DR（MG）图像的特点及诊断依据 | 第13-18页 |
| 1.1 乳腺 X 线图像的生成过程 | 第13-15页 |
| 1.1.1 乳腺X 线机的组成 | 第13-14页 |
| 1.1.2 乳腺X 线成像过程 | 第14-15页 |
| 1.2 乳腺图像的特点 | 第15-16页 |
| 1.3 病灶在图像中的表现特征及诊断依据 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 乳腺 CAD 肿块检测的流程与关键技术 | 第18-26页 |
| 2.1 研究中使用的工具及总体流程 | 第18-20页 |
| 2.1.1 研究中使用的工具 | 第18页 |
| 2.1.2 设计总体流程 | 第18-20页 |
| 2.2 关键技术介绍 | 第20-25页 |
| 2.2.1 大津法的原理 | 第20-21页 |
| 2.2.2 并行计算简介 | 第21-22页 |
| 2.2.3 MATLAB Parallel Computing Toolbox 介绍 | 第22页 |
| 2.2.4 SVM 算法的介绍 | 第22-24页 |
| 2.2.5 核函数的特点及选择 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 乳腺 CAD 肿块检测算法的实现 | 第26-41页 |
| 3.1 乳腺 DR 图像（MG）图像的预处理 | 第26-28页 |
| 3.1.1 乳腺DR 图像的选取 | 第26-27页 |
| 3.1.2 MG 图像的预处理 | 第27-28页 |
| 3.2 参考阈值确定及图像压缩 | 第28-32页 |
| 3.3 使用直方图算法对图像进行分割及感兴趣区域提取 | 第32-35页 |
| 3.4 图像平滑降噪处理 | 第35-38页 |
| 3.5 使用支持向量机（SVM）算法提取阳性肿块 | 第38-40页 |
| 3.6 小结 | 第40-41页 |
| 第4章 乳腺 CAD 肿块检测关键技术算法的优化 | 第41-50页 |
| 4.1 图像分割过程中大津法的应用 | 第41-43页 |
| 4.1.1 不同大津法的选择 | 第41-42页 |
| 4.1.2 使用不同大津算法效果对比 | 第42-43页 |
| 4.2 MATLAB 并行处理在算法实现中的应用 | 第43-47页 |
| 4.2.1 并行处理在实现过程中的具体应用 | 第43-45页 |
| 4.2.2 使用并行处理前后效果对比 | 第45-47页 |
| 4.3 SVM 算法的应用 | 第47-48页 |
| 4.4 小结 | 第48-50页 |
| 第5章 研究过程中遇到的问题 | 第50-53页 |
| 5.1 训练样品数量不足 | 第50页 |
| 5.2 医学影像知识有限，只能使用现有资源 | 第50-51页 |
| 5.3 无法使用并行计算方式确定 MLO 体位图像的分割阈值 | 第51-52页 |
| 5.4 小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-56页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 前景展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
