基于钼靶X线影像的乳腺微钙化点检测和良恶性识别算法研究
| 中文摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究背景 | 第10-15页 |
| ·乳腺癌 | 第10-11页 |
| ·乳腺的影像检查技术 | 第11-13页 |
| ·计算机辅助诊断技术的发展 | 第13-15页 |
| ·研究内容 | 第15-16页 |
| ·研究现状 | 第15页 |
| ·研究方法 | 第15-16页 |
| ·论文组织 | 第16-17页 |
| 第2章 乳腺X线图像CAD技术 | 第17-30页 |
| ·乳腺癌概述 | 第17-23页 |
| ·乳腺癌的致病因素 | 第17-18页 |
| ·乳腺癌的分类 | 第18-19页 |
| ·乳腺铝靶X线表现 | 第19-23页 |
| ·乳腺CAD技术理论基础及研究现状 | 第23-25页 |
| ·理论基础 | 第23-24页 |
| ·研究现状 | 第24-25页 |
| ·乳腺X影像数字化预处理 | 第25-27页 |
| ·论文采用图像的数据格式 | 第25页 |
| ·乳腺X影像增强 | 第25-26页 |
| ·乳腺X影像分割 | 第26-27页 |
| ·乳腺钼靶X片感兴趣区域的提取 | 第27-29页 |
| ·基于小波变换的乳腺ROI的自动提取算法概述 | 第28-29页 |
| ·基于神经网络的乳腺ROI的自动提取算法概述 | 第29页 |
| ·小结 | 第29-30页 |
| 第3章 乳腺X线影像微钙化点检测算法研究 | 第30-46页 |
| ·引言 | 第30-31页 |
| ·神经网络分类方法 | 第30页 |
| ·现有算法存在的问题及改进 | 第30-31页 |
| ·基于克隆算法的微钙化点检测 | 第31-46页 |
| ·算法概述 | 第31页 |
| ·感兴趣区域中像素点特征的提取 | 第31-36页 |
| ·克隆技术及克隆算法 | 第36-46页 |
| 第4章 良恶性识别算法研究 | 第46-54页 |
| ·乳腺病灶分类分析的相关研究 | 第46-47页 |
| ·贝叶思统计学方法 | 第46页 |
| ·线性甄别阈分析方法 | 第46-47页 |
| ·人工神经网络分析方法 | 第47页 |
| ·微钙化点病变类型 | 第47-49页 |
| ·恶性钙化特征 | 第48页 |
| ·良、恶性钙化的鉴别诊断 | 第48-49页 |
| ·研究现状 | 第49-50页 |
| ·形态学特征参数的研究 | 第50页 |
| ·纹理特征参数的研究 | 第50页 |
| ·直方图特征参数的研究 | 第50页 |
| ·本文所采用的识别方法 | 第50-53页 |
| ·特征选取 | 第50页 |
| ·分析过程 | 第50-51页 |
| ·仿真结果 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第5章 结论与展望 | 第54-56页 |
| ·主要工作成果 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 在职期间发表论文及科研 | 第62-63页 |
| 附录 | 第63-91页 |
| 附图表 | 第91-92页 |
| 学位论文评阅及答辩情况表 | 第92页 |
