| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究目的和意义 | 第14-15页 |
| 1.2 国内外研究进展及现状 | 第15-19页 |
| 1.2.1 计算机辅助肿块检测技术 | 第15-17页 |
| 1.2.2 双侧乳腺图像肿块检测的研究现状 | 第17-19页 |
| 1.3 论文主要研究内容和章节安排 | 第19-22页 |
| 1.3.1 论文的主要研究内容 | 第19-20页 |
| 1.3.2 论文的章节安排 | 第20-22页 |
| 第二章 医学图像配准方法和稀疏自编码网络理论 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 图像的配准方法 | 第22-26页 |
| 2.2.1 基于灰度的图像配准 | 第23-25页 |
| 2.2.2 基于特征的图像配准 | 第25-26页 |
| 2.3 深度学习概述与稀疏自编码网络 | 第26-30页 |
| 2.3.1 深度学习概述 | 第26-28页 |
| 2.3.2 稀疏自编码网络 | 第28-30页 |
| 2.3.3 稀疏自编码网络的应用 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于自适应匹配点选取的形状上下文匹配算法 | 第32-48页 |
| 3.1 引言 | 第32-33页 |
| 3.2 双侧乳腺图像的预处理 | 第33-35页 |
| 3.3 基于自适应匹配点选取的形状上下文匹配算法 | 第35-40页 |
| 3.3.1 双侧乳腺图像自适应匹配点选取 | 第36-37页 |
| 3.3.2 对数极坐标变换 | 第37-38页 |
| 3.3.3 对数极坐标下直方图统计 | 第38-39页 |
| 3.3.4 匹配代价计算 | 第39-40页 |
| 3.4 双侧乳腺图像匹配结果分析 | 第40-46页 |
| 3.4.1 实验数据库简介 | 第40页 |
| 3.4.2 双侧乳腺图像匹配结果分析 | 第40-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于稀疏自编码网络的双侧乳腺图像不对称分析 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 多尺度滑动窗 | 第48-50页 |
| 4.3 双侧乳腺图像的深度特征提取 | 第50-52页 |
| 4.3.1 Alex Net网络架构 | 第50-51页 |
| 4.3.2 VGGNet-16 和VGGNet-M网络架构 | 第51-52页 |
| 4.4 双侧乳腺图像的协同不对称分析 | 第52-58页 |
| 4.4.1 基于稀疏自编码网络的双侧不对称分析方法 | 第53-55页 |
| 4.4.2 基于线性支持向量机的肿块分类 | 第55-57页 |
| 4.4.3 双侧乳腺图像协同不对称分析的流程 | 第57-58页 |
| 4.5 实验结果分析 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 5.1 研究总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
