肝癌的计算机辅助诊断方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11页 |
| ·图像处理技术在医学图像CAD中的研究现状 | 第11-12页 |
| ·肝癌CAD的研究现状 | 第12-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第2章 特征提取与模式识别技术 | 第15-35页 |
| ·肝癌图像特点 | 第15-17页 |
| ·CT成像技术 | 第15-16页 |
| ·肝癌的CT图像特点 | 第16-17页 |
| ·特征提取 | 第17-27页 |
| ·统计特征提取 | 第18-19页 |
| ·纹理特征提取 | 第19-22页 |
| ·形状特征提取 | 第22-26页 |
| ·颜色特征提取 | 第26-27页 |
| ·模式识别方法 | 第27-33页 |
| ·图像识别原理 | 第27-28页 |
| ·统计模式识别 | 第28-29页 |
| ·结构模式识别 | 第29-30页 |
| ·光学模式识别 | 第30-31页 |
| ·模糊模式识别 | 第31页 |
| ·神经网络模式识别 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第3章 基于混合特征和神经网络的肝癌识别 | 第35-59页 |
| ·关心区域的分割算法 | 第35-36页 |
| ·关心区域的定义 | 第35-36页 |
| ·关心区域的分割算法 | 第36页 |
| ·肝癌特性分析 | 第36-42页 |
| ·肝癌与纹理特征的关系 | 第36-39页 |
| ·肝癌与混沌特征的关系 | 第39-40页 |
| ·肝癌与统计特征的关系 | 第40-42页 |
| ·特征提取 | 第42-49页 |
| ·纹理特征 | 第43-46页 |
| ·混沌特征 | 第46-48页 |
| ·统计特征 | 第48-49页 |
| ·肝癌分类器设计 | 第49-58页 |
| ·基于贝叶斯的肝癌分类器的设计 | 第49-51页 |
| ·基于BPNN的肝癌分类器的设计 | 第51-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 系统设计与实现 | 第59-69页 |
| ·需求分析 | 第59-60页 |
| ·系统设计 | 第60-61页 |
| ·总体设计 | 第60-61页 |
| ·模块设计 | 第61页 |
| ·系统实现 | 第61-67页 |
| ·系统开发环境 | 第61-62页 |
| ·系统功能 | 第62-64页 |
| ·模块实现 | 第64-67页 |
| ·本章小结 | 第67-69页 |
| 第5章 实验与分析 | 第69-85页 |
| ·基于纹理特征的实验 | 第69-72页 |
| ·基于混沌特征的实验 | 第72-78页 |
| ·Kc复杂度 | 第72-76页 |
| ·分形维 | 第76-78页 |
| ·基于统计特征的实验 | 第78-81页 |
| ·对比度 | 第78-79页 |
| ·近似熵 | 第79-81页 |
| ·BP神经网络的分类结果 | 第81-82页 |
| ·BPNN肝癌分类器与贝叶斯肝癌分类器识别对比 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93页 |
