基于复合视觉词的医学影像分类方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 研究背景和意义 | 第14-17页 |
| 1.2 研究现状和存在问题 | 第17-22页 |
| 1.2.1 研究现状 | 第18-19页 |
| 1.2.2 存在问题 | 第19-22页 |
| 1.3 研究目标和内容 | 第22-24页 |
| 1.4 论文结构及技术路线 | 第24-28页 |
| 第2章 医学影像分类方法综述 | 第28-48页 |
| 2.1 医学影像特征提取方法综述 | 第28-34页 |
| 2.1.1 灰度特征提取方法 | 第28-29页 |
| 2.1.2 纹理特征提取方法 | 第29-31页 |
| 2.1.3 形状特征提取方法 | 第31-32页 |
| 2.1.4 空间上下文特征提取方法 | 第32-33页 |
| 2.1.5 局部特征提取方法 | 第33-34页 |
| 2.2 医学影像分类器学习方法综述 | 第34-38页 |
| 2.2.1 决策树 | 第34-35页 |
| 2.2.2 k-最近邻 | 第35页 |
| 2.2.3 支持向量机 | 第35-36页 |
| 2.2.4 朴素贝叶斯 | 第36-37页 |
| 2.2.5 人工神经网络 | 第37-38页 |
| 2.3 医学影像分类的临床应用 | 第38-43页 |
| 2.3.1 遵循IRMA编码规则的医学影像分类 | 第38-40页 |
| 2.3.2 肺气肿病灶的量化分析 | 第40-43页 |
| 2.4 评价标准 | 第43-47页 |
| 2.4.1 常用的评估标准 | 第44-45页 |
| 2.4.2 IRMA编码分类的评估 | 第45页 |
| 2.4.3 肺气肿病灶分类的评估 | 第45-47页 |
| 2.5 本章小结 | 第47-48页 |
| 第3章 基于尺度复合视觉词的医学影分类研究 | 第48-74页 |
| 3.1 研究基础及解决问题思路 | 第48-57页 |
| 3.1.1 传统视觉词袋模型 | 第48-51页 |
| 3.1.2 小波变换 | 第51-53页 |
| 3.1.3 集成学习 | 第53-55页 |
| 3.1.4 解决问题思路 | 第55-57页 |
| 3.2 基于小波空间金字塔的尺度特征提取 | 第57-62页 |
| 3.2.1 小波空间金字塔构建 | 第58-60页 |
| 3.2.2 小波空间金字塔特征提取 | 第60-62页 |
| 3.3 基于尺度视觉词的医学影像分类 | 第62-67页 |
| 3.3.1 基于组合分类器的集成学习 | 第62-65页 |
| 3.3.2 基于尺度视觉词的分类 | 第65-67页 |
| 3.4 结果与分析 | 第67-73页 |
| 3.4.1 实验数据 | 第67-68页 |
| 3.4.2 遵循IRMA编码标准的医学影像分类 | 第68-71页 |
| 3.4.3 基于肺纹理的肺气肿局部病灶分类 | 第71-73页 |
| 3.5 本章小结 | 第73-74页 |
| 第4章 基于轮廓复合视觉词的医学影像分类研究 | 第74-96页 |
| 4.1 研究基础及解决问题思路 | 第74-81页 |
| 4.1.1 轮廓特征 | 第74-76页 |
| 4.1.2 K-means聚类 | 第76-78页 |
| 4.1.3 最小核值相似区 | 第78-79页 |
| 4.1.4 解决问题思路 | 第79-81页 |
| 4.2 基于聚类核值相似区域的轮廓特征提取 | 第81-85页 |
| 4.2.1 基于K-means的核值标定 | 第81-84页 |
| 4.2.2 基于核值相似区域的轮廓点选择 | 第84-85页 |
| 4.3 基于轮廓视觉词的医学影像分类 | 第85-90页 |
| 4.3.1 医学影像轮廓特征描述 | 第85-87页 |
| 4.3.2 基于轮廓视觉词的分类 | 第87-90页 |
| 4.4 实验结果和分析 | 第90-95页 |
| 4.4.1 轮廓视觉词提取 | 第90-92页 |
| 4.4.2 遵循IRMA编码标准的医学影像分类 | 第92-94页 |
| 4.4.3 基于肺纹理的肺气肿局部病灶分类 | 第94-95页 |
| 4.5 本章小结 | 第95-96页 |
| 第5章 基于复合视觉词典学习的医学影像分类研究 | 第96-116页 |
| 5.1 研究基础及解决问题思路 | 第96-101页 |
| 5.1.1 多示例学习 | 第96-97页 |
| 5.1.2 支持向量机 | 第97-99页 |
| 5.1.3 解决问题思路 | 第99-101页 |
| 5.2 基于多示例的复合视觉词典学习 | 第101-105页 |
| 5.2.1 多示例词典学习 | 第101-104页 |
| 5.2.2 复合视觉词典学习 | 第104-105页 |
| 5.3 基于视觉词典的医学影像分类 | 第105-108页 |
| 5.3.1 医学影像表达 | 第106-108页 |
| 5.3.2 医学影像分类 | 第108页 |
| 5.4 实验结果和分析 | 第108-115页 |
| 5.4.1 遵循IRMA编码标准的医学影像分类 | 第109-110页 |
| 5.4.2 基于肺纹理的肺气肿局部病灶分类 | 第110-111页 |
| 5.4.3 基于肺纹理的肺气肿层影像分类 | 第111-115页 |
| 5.5 本章小结 | 第115-116页 |
| 第6章 基于复合视觉词类别空间的医学影像分类研究 | 第116-136页 |
| 6.1 研究基础及解决问题思路 | 第116-119页 |
| 6.1.1 词频-反文档频率模型 | 第116-117页 |
| 6.1.2 层次分类学习方法 | 第117-119页 |
| 6.1.3 解决问题思路 | 第119页 |
| 6.2 基于类别空间的医学影像分类 | 第119-125页 |
| 6.2.1 类别空间模型 | 第120-121页 |
| 6.2.2 基于类别空间的分类 | 第121-123页 |
| 6.2.3 结合视觉词典学习的分类 | 第123-125页 |
| 6.3 基于类别空间的医学影像层次分类 | 第125-129页 |
| 6.3.1 类别子空间 | 第125-126页 |
| 6.3.2 医学影像的层次分类 | 第126-127页 |
| 6.3.3 结合视觉词典学习的层次分类 | 第127-129页 |
| 6.4 实验及结果 | 第129-134页 |
| 6.4.1 遵循IRMA编码标准的医学影像分类 | 第129-130页 |
| 6.4.2 基于肺纹理的肺气肿局部病灶分类 | 第130-132页 |
| 6.4.3 基于肺纹理的肺气肿层影像分类 | 第132-134页 |
| 6.5 本章小结 | 第134-136页 |
| 第7章 全文总结与展望 | 第136-140页 |
| 7.1 本文的主要研究成果 | 第136-138页 |
| 7.2 未来工作展望 | 第138-140页 |
| 参考文献 | 第140-156页 |
| 致谢 | 第156-158页 |
| 攻读学位期间发表的论文及科研工作 | 第158-160页 |
| 作者简介 | 第160页 |
