| 缩略语表 | 第6-8页 |
| 中文摘要 | 第8-11页 |
| 英文摘要 | 第11-14页 |
| 前言 | 第15-18页 |
| 文献回顾 | 第18-31页 |
| 1 膀胱肿瘤的特点 | 第18-21页 |
| 2 纹理特征及纹理分析 | 第21-28页 |
| 2.1 纹理特征及纹理分析的概念 | 第21-22页 |
| 2.2 纹理特征的分类 | 第22-28页 |
| 2.2.1 基于灰度统计分布的纹理特征 | 第22页 |
| 2.2.2 基于协方差系数的纹理特征 | 第22-23页 |
| 2.2.3 基于视觉感知心理学的纹理特征（Tamura 纹理特征） | 第23-24页 |
| 2.2.4 基于灰度梯度共生矩阵的纹理特征 | 第24页 |
| 2.2.5 基于灰度共生矩阵的纹理特征 | 第24-27页 |
| 2.2.6 其他类型的纹理分析方法 | 第27-28页 |
| 2.3 纹理特征在肿瘤诊断中的应用 | 第28页 |
| 3 SVM（Support Vector Machine）分类器 | 第28-30页 |
| 3.1 模式识别和分类器 | 第28-29页 |
| 3.2 SVM的定义及特点 | 第29-30页 |
| 4 膀胱肿瘤的生长特性 | 第30-31页 |
| 正文 | 第31-69页 |
| 1 材料与方法 | 第31-41页 |
| 1.1 影像数据选取 | 第31-33页 |
| 1.2 实验分组 | 第33-34页 |
| 1.3 实验原理 | 第34-38页 |
| 1.3.1 纹理特征的分析及筛选（第一阶段实验原理） | 第34-35页 |
| 1.3.2 分类识别及检测（第二阶段实验原理） | 第35-38页 |
| 1.4 实验步骤 | 第38-41页 |
| 1.4.1 图像预处理 | 第38-39页 |
| 1.4.2 纹理特征的分析及筛选步骤（第一阶段实验） | 第39页 |
| 1.4.3 分类识别及检测步骤（第二阶段实验） | 第39-41页 |
| 1.5 统计分析 | 第41页 |
| 2 结果 | 第41-66页 |
| 2.1 纹理特征的筛选结果 | 第41-62页 |
| 2.2 肿瘤分期的计算机辅助分析 | 第62-66页 |
| 3 讨论 | 第66-68页 |
| 4 结论 | 第68-69页 |
| 小结 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 | 第77-84页 |
| 个人简历和研究成果 | 第84-85页 |
| 致谢 | 第85页 |
