基于贝叶斯模型的医学影像分类技术的研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景和意义 | 第11-14页 |
| 1.2 医学影像分类的发展态势和研究现状 | 第14-17页 |
| 1.2.1 医学影像分类的发展 | 第14-16页 |
| 1.2.2 医学影像分类的现状 | 第16-17页 |
| 1.3 研究内容和论文结构 | 第17-19页 |
| 第二章 医学影像分类的技术基础 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 医学影像数据 | 第19-21页 |
| 2.2.1 医学影像特点 | 第19-20页 |
| 2.2.2 医学影像表示方法 | 第20-21页 |
| 2.3 医学影像分类过程 | 第21页 |
| 2.4 医学影像预处理 | 第21-22页 |
| 2.4.1 影像格式转换和尺度归一 | 第22页 |
| 2.4.2 影像滤波和插值 | 第22页 |
| 2.5 医学影像特征处理 | 第22-24页 |
| 2.5.1 特征提取 | 第22-23页 |
| 2.5.2 特征选择 | 第23-24页 |
| 2.6 医学影像分类方法 | 第24-28页 |
| 2.6.1 神经网络方法 | 第24-26页 |
| 2.6.2 支持向量机方法 | 第26-27页 |
| 2.6.3 K-近邻算法 | 第27页 |
| 2.6.4 决策树方法 | 第27-28页 |
| 2.6.5 贝叶斯方法 | 第28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 改进的贝叶斯分类模型 | 第29-48页 |
| 3.1 引言 | 第29页 |
| 3.2 贝叶斯分类模型 | 第29-37页 |
| 3.2.1 贝叶斯理论基础 | 第29-30页 |
| 3.2.2 常用的贝叶斯分类模型 | 第30-35页 |
| 3.2.3 特征属性权重 | 第35-37页 |
| 3.3 基于遗传算法对AAPE分类模型改进 | 第37-45页 |
| 3.3.1 遗传算法基本原理 | 第37-42页 |
| 3.3.2 AAPGE分类模型 | 第42-45页 |
| 3.4 AAPGE的仿真实验 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 医学影像分类系统原型设计 | 第48-57页 |
| 4.1 引言 | 第48页 |
| 4.2 系统流程 | 第48-49页 |
| 4.3 功能模块 | 第49-55页 |
| 4.3.1 预筛选模块 | 第49-50页 |
| 4.3.2 预处理模块 | 第50-51页 |
| 4.3.3 分类模块 | 第51-55页 |
| 4.4 评价方法 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 医学影像分类系统实现和实验结果 | 第57-72页 |
| 5.1 医学影像分类系统开发环境与技术 | 第57-58页 |
| 5.1.1 系统开发环境 | 第57页 |
| 5.1.2 开发技术 | 第57-58页 |
| 5.2 功能模块 | 第58-64页 |
| 5.2.1 用户管理模块 | 第58页 |
| 5.2.2 预处理模块 | 第58-59页 |
| 5.2.3 数据集管理模块 | 第59-60页 |
| 5.2.4 遗传算法配置模块 | 第60页 |
| 5.2.5 全局参数配置模块 | 第60-61页 |
| 5.2.6 分类模块 | 第61-63页 |
| 5.2.7 实验结果分析模块 | 第63-64页 |
| 5.3 实验结果及分析 | 第64-71页 |
| 5.3.1 实验测试方案 | 第65页 |
| 5.3.2 实验结果分析 | 第65-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 结论 | 第72-74页 |
| 6.1 全文总结 | 第72页 |
| 6.2 未来展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
