| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 纹理特征在医学图像分析中的发展 | 第9-11页 |
| 1.2.2 计算机辅助诊断构建 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-14页 |
| 2 基于纹理特征分类的肝脏疾病分期的基本理论 | 第14-25页 |
| 2.1 计算机辅助诊断系统理论框架 | 第14-16页 |
| 2.2 感兴趣区域提取 | 第16-17页 |
| 2.3 纹理特征提取 | 第17-19页 |
| 2.3.1 The Leung-Malik滤波器组纹理特征提取 | 第17页 |
| 2.3.2 The Schmid滤波器组纹理特征提取 | 第17-18页 |
| 2.3.3 The Maximum Response 8 滤波器组纹理特征提取 | 第18-19页 |
| 2.3.4 灰度共生矩阵纹理特征提取 | 第19页 |
| 2.4 分类算法 | 第19-20页 |
| 2.4.1 前向神经网络分类器 | 第20页 |
| 2.4.2 直方图匹配分类 | 第20页 |
| 2.5 聚类算法 | 第20-23页 |
| 2.5.1 K-means聚类算法 | 第20-21页 |
| 2.5.2 基于密度的聚类算法 | 第21-23页 |
| 2.6 相似性度量 | 第23-25页 |
| 3 基于The Maximum Response 8 纹理特征聚类分析的人体肝硬化分期 | 第25-40页 |
| 3.1 实验数据 | 第25-27页 |
| 3.2 算法描述 | 第27-36页 |
| 3.2.1 感兴趣区域提取 | 第28-30页 |
| 3.2.2 The Maximum Response 8 纹理特征提取 | 第30-33页 |
| 3.2.3 基于K-means的聚类构建纹理字典 | 第33页 |
| 3.2.4 训练数据构建纹理基元统计直方图 | 第33-34页 |
| 3.2.5 测试数据构建纹理基元统计直方图 | 第34页 |
| 3.2.6 直方图匹配分类 | 第34-35页 |
| 3.2.7 病例分期 | 第35-36页 |
| 3.3 实验过程与结果 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于MRI的T1序列影像的大鼠肝纤维化计算机辅助诊断 | 第40-51页 |
| 4.1 实验数据 | 第40-41页 |
| 4.2 基于密度聚类的大鼠MRI的T1纹理特征肝纤维化分期 | 第41-46页 |
| 4.2.1 感兴趣区域提取 | 第41-42页 |
| 4.2.2 The Maximum Response 8 纹理特征提取 | 第42-43页 |
| 4.2.3 基于密度聚类构建纹理字典 | 第43页 |
| 4.2.4 大鼠训练数据构建纹理基元统计直方图 | 第43-44页 |
| 4.2.5 大鼠测试数据构建纹理基元统计直方图 | 第44页 |
| 4.2.6 直方图匹配 | 第44-45页 |
| 4.2.7 实验过程 | 第45-46页 |
| 4.3 实验结果分析 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |
