首页--医药、卫生论文--肿瘤学论文--泌尿生殖器肿瘤论文--乳腺肿瘤论文

乳腺肿瘤超声剪切波弹性图像的计算机辅助诊断

摘要第6-9页
ABSTRACT第9-12页
第一章 绪论第16-22页
    1.1 乳腺癌发病与检查第16-18页
    1.2 超声弹性成像在乳腺肿瘤诊断中的应用第18-20页
        1.2.1 超声弹性成像第18-19页
        1.2.2 基于超声弹性成像的乳腺肿瘤分析第19-20页
    1.3 论文的主要研究内容及创新点第20-22页
第二章 图像采集与滤波第22-38页
    2.1 弹性图像采集与重建第22-25页
    2.2 各向异性扩散模型及改进第25-28页
        2.2.1 各向异性扩散模型第25-27页
        2.2.2 各向异性扩散方程的改进第27-28页
    2.3 基于McIlhagga边缘检测算子的各向异性扩散模型第28-30页
        2.3.1 McIlhagga边缘检测算子第28-29页
        2.3.2 基于McIlhagga边缘检测算子的各向异性扩散第29-30页
    2.4 基于Gabor变换的各向异性扩散模型第30-31页
    2.5 实验结果与分析第31-37页
        2.5.1 模拟图像滤波结果第33-34页
        2.5.2 乳腺超声图像滤波结果第34-37页
    2.6 本章小结第37-38页
第三章 基于反应扩散水平集的乳腺肿瘤分割第38-49页
    3.1 水平集活动轮廓模型第38-42页
        3.1.1 曲线演化理论第40页
        3.1.2 水平集方法第40-41页
        3.1.3 演化方程第41-42页
    3.2 反应扩散水平集第42-43页
    3.3 基于GAD的反应扩散水平集模型第43-44页
    3.4 实验结果与讨论第44-48页
        3.4.1 超声乳腺肿瘤分割结果第45-47页
        3.4.2 分割量化指标结果第47-48页
    3.5 本章小结第48-49页
第四章 特征提取第49-61页
    4.1 形态特征提取第49-50页
    4.2 图像原始域的纹理特征提取第50-54页
        4.2.1 二值纹理特征第51-52页
        4.2.2 连续纹理特征第52-54页
    4.3 轮廓波变换域的纹理特征提取第54-55页
    4.4 特征提取结果与讨论第55-60页
    4.5 本章小结第60-61页
第五章 分类器设计第61-71页
    5.1 支持向量机第61-64页
        5.1.1 PCA-SVM第62-63页
        5.1.2 TV-SVM第63-64页
    5.2 深度学习第64-67页
        5.2.1 深度学习的思想第65页
        5.2.2 基学习算法第65-67页
    5.3 分类结果与分析第67-69页
        5.3.1 SVM分类结果第67-68页
        5.3.2 BL分类结果第68-69页
    5.4 本章小结第69-71页
第六章 结论与展望第71-74页
    6.1 结论第71-72页
    6.2 展望第72-74页
参考文献第74-81页
作者在攻读硕士学位期间研究成果第81-82页
作者在攻读硕士学位期间所做的项目第82-83页
致谢第83页

论文共83页,点击 下载论文
上一篇:基于影像数据的个体化听小骨假体3D打印关键技术研究
下一篇:新基因CIAPIN1在胃癌转移及血管生成中的作用及机制研究