| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景和意义 | 第12-14页 |
| ·国内外研究现状及趋势 | 第14-16页 |
| ·本论文的组织结构 | 第16-18页 |
| 第2章 基于MRI分析的分子标记物检测方法框架 | 第18-28页 |
| ·实验材料 | 第18-19页 |
| ·方法总体框架 | 第19-22页 |
| ·算法评估 | 第22-26页 |
| ·分类策略和评估方法 | 第22-25页 |
| ·实验设计 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于MRI分析的MIB-1指数范围检测方法 | 第28-72页 |
| ·图像预处理 | 第28-37页 |
| ·灰度不均匀矫正 | 第28-32页 |
| ·图像配准 | 第32-37页 |
| ·感兴趣区域提取 | 第37-42页 |
| ·图像特征提取 | 第42-59页 |
| ·灰度共生矩阵 | 第44-49页 |
| ·灰度-梯度共生矩阵 | 第49-52页 |
| ·游程长度矩阵 | 第52-54页 |
| ·梯度矩阵 | 第54-55页 |
| ·闵科夫斯基泛函 | 第55-58页 |
| ·特征总结 | 第58-59页 |
| ·检测模型构建 | 第59-66页 |
| ·经验风险最小化 | 第60-61页 |
| ·统计学习理论 | 第61-63页 |
| ·支持向量机 | 第63-66页 |
| ·MIB-1指数范围检测模型评测 | 第66-69页 |
| ·本章小结 | 第69-72页 |
| 第4章 基于MR1分析的MGMT表达状况检测方法 | 第72-90页 |
| ·基于MRS的感兴趣区域提取 | 第72-75页 |
| ·图像特征提取 | 第75-77页 |
| ·图像特征优化 | 第77-86页 |
| ·特征优化的定义和分类 | 第77-80页 |
| ·基于启发式搜索的特征优化方法 | 第80-82页 |
| ·基于粒子群的特征优化方法 | 第82-86页 |
| ·MGMT表达状况检测模型评测 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 第5章 总结与展望 | 第90-94页 |
| ·论文工作总结 | 第90-91页 |
| ·工作展望 | 第91-94页 |
| 参考文献 | 第94-102页 |
| 附录 博士期间取得的研究成果 | 第102-103页 |