医学图象分析的机器学习方法
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 图目录 | 第8-10页 |
| 表目录 | 第10-11页 |
| 第1章 引言 | 第11-26页 |
| ·计算机辅助检测/诊断 | 第12-15页 |
| ·机器学习 | 第15-22页 |
| ·强化学习 | 第15-19页 |
| ·有指导学习 | 第19-22页 |
| ·核学习方法 | 第21-22页 |
| ·本文的研究目标 | 第22-23页 |
| ·本文的组织结构 | 第23-24页 |
| ·实验图象库 | 第24-26页 |
| 第2章 自适应图象分割 | 第26-43页 |
| ·处理模块 | 第27-33页 |
| ·数字X 光乳腺图象的处理模块 | 第29-33页 |
| ·平滑滤波 | 第31-32页 |
| ·区域生长分割 | 第32页 |
| ·形态学滤波 | 第32-33页 |
| ·学习模块 | 第33-38页 |
| ·数字X 光乳腺图象的学习模块 | 第36-38页 |
| ·实验和讨论 | 第38-43页 |
| 第3章 自动病变检测 | 第43-68页 |
| ·特征表示 | 第43-49页 |
| ·多分辨率直方图的特点 | 第44-47页 |
| ·多分辨率直方图的构造过程 | 第47-49页 |
| ·分类算法 | 第49-64页 |
| ·核分类算法概述 | 第50-55页 |
| ·支持向量机(SVM) | 第55-57页 |
| ·相关向量机(RVM) | 第57-58页 |
| ·交叉验证 | 第58-59页 |
| ·接收器工作特性(ROC)分析 | 第59-64页 |
| ·实验和讨论 | 第64-68页 |
| 第4章 完整的检测系统 | 第68-76页 |
| ·扫描过程 | 第69-71页 |
| ·数字X 光乳腺图象的扫描过程 | 第70-71页 |
| ·病变聚类 | 第71-72页 |
| ·自由响应ROC(FROC)分析 | 第72-73页 |
| ·实验和讨论 | 第73-76页 |
| 第5章 结论和展望 | 第76-80页 |
| ·结论 | 第76-77页 |
| ·展望 | 第77-80页 |
| 参考文献 | 第80-89页 |
| 发表文章目录 | 第89-90页 |
| 致谢 | 第90-91页 |
| 简历 | 第91-92页 |
