首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于机器学习的前列腺CT图像分割系统开发

摘要第4-5页
abstract第5-6页
专用术语注释表第9-10页
第一章 绪论第10-28页
    1.1 引言第10页
    1.2 前列腺和前列腺癌的介绍第10-12页
    1.3 图像引导放射治疗技术第12-23页
        1.3.1 X射线及电离辐射危害第13-16页
        1.3.2 计算机断层成像(CT)介绍第16-21页
        1.3.3 基于CT图像引导的放射治疗技术第21-23页
    1.4 国内外研究现状和回顾第23-25页
    1.5 本课题研究内容第25-26页
    1.6 论文的主要贡献和创新第26页
    1.7 论文组织框架第26-28页
第二章 相关知识介绍第28-40页
    2.1 随机森林算法第28-34页
        2.1.1 决策树的介绍第28-30页
        2.1.2 随机森林生成过程第30-31页
        2.1.3 随机森林的随机特征选取第31-32页
        2.1.4 随机森林的应用第32-33页
        2.1.5 随机森林的优缺点第33-34页
    2.2 配准方法介绍第34-36页
        2.2.1 刚体变换第34-35页
        2.2.2 仿射变换第35-36页
    2.3 特征介绍第36-40页
        2.3.1 特征提取第36-37页
        2.3.2 3D Haar-like feature介绍第37-38页
        2.3.3 上下文特征介绍第38-40页
第三章 基于在线更新方法的前列腺CT图像分割方法第40-48页
    3.1 基于在线更新方法的前列腺CT图像分割方法第40-42页
        3.1.1 训练阶段第41页
        3.1.2 分割阶段第41-42页
        3.1.3 分类器更新第42页
    3.2 实验结果与分析第42-47页
        3.2.1 实验性能指标第42-43页
        3.2.2 实验参数设置第43页
        3.2.3 实验结果分析第43-47页
    3.3 本章小结第47-48页
第四章 基于群体图像的多任务计划CT图像前列腺自动分割方法第48-54页
    4.1 基于群体图像的多任务计划CT图像前列腺自动分割方法第48-50页
        4.1.1 多训练图集的生成第48页
        4.1.2 训练阶段第48-50页
        4.1.3 分割阶段第50页
    4.2 实验与分析第50-53页
        4.2.1 实验性能指标第50-51页
        4.2.2 实验参数设置第51页
        4.2.3 实验结果分析第51-53页
    4.3 本章小结第53-54页
第五章 基于Python语言的CT图像前列腺自动分割软件系统第54-63页
    5.1 Python及其应用包简介第54-57页
        5.1.1 Python简介第54-55页
        5.1.2 Numpy简介第55页
        5.1.3 Scipy简介第55-56页
        5.1.4 PyQt简介第56-57页
        5.1.5 Sklearn简介第57页
    5.2 开发环境介绍第57页
    5.3 平台总体设计第57-59页
    5.4 平台效果展示第59-61页
    5.5 本章小结第61-63页
第六章 总结与展望第63-65页
参考文献第65-67页
附录1 程序清单第67-69页
附录2 攻读硕士学位期间撰写的论文第69-70页
附录3 攻读硕士学位期间申请的专利第70-71页
附录4 攻读硕士学位期间参加的科研项目第71-72页
致谢第72页

论文共72页,点击 下载论文
上一篇:新媒体与传统媒体字态设计的比较研究
下一篇:手机媒体文字及编排的应用研究