基于神经网络的乳腺钙化点形态学检测算法研究
| 摘 要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景及意义 | 第7-8页 |
| ·国内外研究进展及现状 | 第8-10页 |
| ·计算机辅助检测系统现状 | 第8-9页 |
| ·乳腺X线图像中微钙化点的自动检测研究现状 | 第9-10页 |
| ·论文的研究成果和章节安排 | 第10-13页 |
| 第二章 乳腺X线图像的预处理 | 第13-23页 |
| ·引言 | 第13页 |
| ·基本概念 | 第13-15页 |
| ·二值形态学基本运算 | 第13-15页 |
| ·类间方差最大的图像分割法 | 第15页 |
| ·乳腺区域的提取 | 第15-18页 |
| ·实验结果及分析 | 第18-21页 |
| ·小结 | 第21-23页 |
| 第三章 乳腺X线图像中感兴趣区域的提取 | 第23-37页 |
| ·引言 | 第23页 |
| ·人工神经网络的基本原理 | 第23-27页 |
| ·样本提取 | 第27-28页 |
| ·特征提取 | 第28-32页 |
| ·样本的ICA特征 | 第28-30页 |
| ·样本的多分辨率小波特征 | 第30-32页 |
| ·实验结果及分析 | 第32-36页 |
| ·ROC曲线 | 第32页 |
| ·结果和分析 | 第32-36页 |
| ·小结 | 第36-37页 |
| 第四章 感兴趣区域中钙化点的自动检测 | 第37-45页 |
| ·引言 | 第37页 |
| ·Top-hat算子 | 第37-39页 |
| ·基于Top-hat的钙化点检测方法 | 第39-42页 |
| ·种子点的选取 | 第39页 |
| ·区域生长 | 第39-41页 |
| ·钙化点自动检测算法 | 第41-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第五章 结束语 | 第45-47页 |
| ·总结 | 第45页 |
| ·对未来发展的展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表论文 | 第53页 |
