医学图像的语义标注技术研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外发展现状 | 第10-14页 |
| ·医学图像发展现状 | 第10-11页 |
| ·医学图像语义标注 | 第11-12页 |
| ·医学图像检索技术 | 第12-14页 |
| ·本文主要工作 | 第14-15页 |
| ·本文组织结构 | 第15页 |
| ·本章小结 | 第15-17页 |
| 第二章 医学图像及其语义标注 | 第17-25页 |
| ·医学图像特点和DICOM数据格式 | 第17-19页 |
| ·医学图像的特点 | 第17页 |
| ·DICOM数据格式 | 第17-19页 |
| ·医学图像语义相关技术 | 第19-22页 |
| ·医学图像语义模型 | 第19-20页 |
| ·医学图像语义提取 | 第20-21页 |
| ·医学图像语义表示 | 第21-22页 |
| ·医学图像标注问题 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 医学图像特征提取和选择 | 第25-42页 |
| ·医学图像去噪 | 第25-26页 |
| ·医学图像增强 | 第26-30页 |
| ·信息系统和不可分辨关系 | 第26-28页 |
| ·属性重要性和划分 | 第28-29页 |
| ·属性约简 | 第29页 |
| ·粗糙集增强算法 | 第29-30页 |
| ·医学图像特征提取 | 第30-36页 |
| ·基于边缘检测的特征提取 | 第30-32页 |
| ·基于不变矩的特征提取 | 第32-33页 |
| ·基于灰度共生矩阵的特征提取 | 第33-36页 |
| ·基于MI的医学图像特征选择 | 第36-41页 |
| ·传统的特征选择方法 | 第37-38页 |
| ·可分离的特征选择 | 第38页 |
| ·基于MI的特征选择方法 | 第38-39页 |
| ·改进的MI贪婪最优算法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于MI特征选择的SVMs分类标注 | 第42-52页 |
| ·支持向量机原理 | 第42-48页 |
| ·统计学习理论 | 第42-44页 |
| ·最优分类超平面 | 第44-45页 |
| ·线性支持向量机 | 第45-46页 |
| ·非线性支持向量机 | 第46-47页 |
| ·核函数 | 第47-48页 |
| ·基于MI特征选择的SVMs分类器 | 第48-50页 |
| ·多类分类问题 | 第48-49页 |
| ·算法步骤及参数选择 | 第49页 |
| ·基于MI特征选择的分类器构造 | 第49-50页 |
| ·分类标注实验结果 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于混合模型的医学图像语义标注 | 第52-63页 |
| ·传统图像自动标注框架 | 第52-55页 |
| ·一致性语言模型 | 第52-53页 |
| ·互相关标记传播模型 | 第53-55页 |
| ·一体化医学语言系统 | 第55-56页 |
| ·一体化医学语言系统 | 第55-56页 |
| ·中文一体化医学语言系统 | 第56页 |
| ·基于混合模型的医学图像标注框架 | 第56-61页 |
| ·基于训练集词汇互相关性的标注改善 | 第56-58页 |
| ·基于CUMLS的医学图像语义提取 | 第58-60页 |
| ·基于混合模型的标注框架 | 第60-61页 |
| ·混合模型标注实验结果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 语义标注检索系统设计与实现 | 第63-68页 |
| ·医学图像语义检索模型 | 第63页 |
| ·系统架构和模块 | 第63-65页 |
| ·系统架构 | 第63-64页 |
| ·系统模块 | 第64-65页 |
| ·系统开发与运行环境 | 第65-66页 |
| ·开发环境 | 第65页 |
| ·运行环境 | 第65-66页 |
| ·系统运行截图 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 本文工作总结 | 第68页 |
| 进一步的研究工作 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的学术成果 | 第74-75页 |
| 致谢 | 第75页 |
