基于乳腺X线摄影的钙化簇良恶诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究进展及现状 | 第11-13页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 存在的问题 | 第13页 |
| 1.3 研究思路与研究内容 | 第13-14页 |
| 1.3.1 研究思路 | 第13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 1.3.3 创新点 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 钙化簇良恶诊断基础理论概述 | 第16-30页 |
| 2.1 乳腺X线摄影 | 第16-19页 |
| 2.1.1 乳腺X线摄影简介 | 第16-17页 |
| 2.1.2 乳腺癌的X线表现 | 第17-19页 |
| 2.2 钙化点与钙化簇特征 | 第19-22页 |
| 2.2.1 钙化点常见特征 | 第19-21页 |
| 2.2.2 钙化簇常见特征 | 第21-22页 |
| 2.3 钙化簇分类方法 | 第22-28页 |
| 2.3.1 支持向量机(SVM) | 第22-24页 |
| 2.3.2 神经网络 | 第24-26页 |
| 2.3.3 特征选择 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于钙化簇几何特征的良恶诊断 | 第30-42页 |
| 3.1 钙化簇区域选取 | 第30-36页 |
| 3.1.1 K Means聚类 | 第30-33页 |
| 3.1.2 基于距离的Prim聚类 | 第33-34页 |
| 3.1.3 凸包选择 | 第34-36页 |
| 3.2 钙化点特征提取 | 第36-37页 |
| 3.3 钙化簇特征提取 | 第37页 |
| 3.4 广义回归神经网络分类器 | 第37-40页 |
| 3.4.1 GRNN神经网络 | 第37-39页 |
| 3.4.2 参数选择 | 第39-40页 |
| 3.4.3 分类实验 | 第40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 基于钙化簇纹理特征的良恶诊断 | 第42-56页 |
| 4.1 图像预处理 | 第42-43页 |
| 4.2 灰度共生矩阵 | 第43-46页 |
| 4.3 小波特征提取 | 第46-49页 |
| 4.3.1 小波变换 | 第46-47页 |
| 4.3.2 图像小波特征 | 第47-49页 |
| 4.4 特征预处理与选择 | 第49-55页 |
| 4.4.1 钙化簇默认特征 | 第49-51页 |
| 4.4.2 特征选择 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-66页 |
| 5.1 数据库介绍 | 第56-58页 |
| 5.1.1 DDSM数据库 | 第56-57页 |
| 5.1.2 MIAS数据库 | 第57-58页 |
| 5.2 结果分析 | 第58-63页 |
| 5.2.1 手工标记实验分析 | 第58-59页 |
| 5.2.2 算法标记实验分析 | 第59-63页 |
| 5.3 本章小结 | 第63-66页 |
| 第六章 结论 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 未来展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第72页 |
| 作者在攻读硕士学位期间参与的科研项目 | 第72-74页 |
| 致谢 | 第74页 |
