摘要 | 第5-6页 |
ABSTRACT | 第6页 |
缩略语对照表 | 第9-12页 |
第一章 绪论 | 第12-18页 |
1.1 课题研究背景与意义 | 第12-13页 |
1.2 医学影像处理方法的研究进展 | 第13-14页 |
1.3 乳腺疾病影像学基础及影像学表现 | 第14-15页 |
1.3.1 常规X射线成像原理 | 第14-15页 |
1.3.2 乳腺癌的影像学表现 | 第15页 |
1.4 论文的主要工作和内容安排 | 第15-18页 |
第二章 基于多尺度空间金字塔集成的乳腺影像肿块检测 | 第18-32页 |
2.1 引言 | 第18-19页 |
2.2 医学影像的特征提取方法 | 第19-24页 |
2.2.1 灰度共生矩阵 | 第19-21页 |
2.2.2 灰度-梯度共生矩阵 | 第21-23页 |
2.2.3 Hu矩 | 第23-24页 |
2.3 多尺度空间金字塔集成 | 第24-26页 |
2.3.1 空间金字塔划分 | 第25页 |
2.3.2 多尺度集成 | 第25-26页 |
2.4 基于多尺度空间金字塔集成的乳腺影像肿块检测方法 | 第26-28页 |
2.4.1 乳腺影像的预处理 | 第26页 |
2.4.2 空间金字塔划分 | 第26-27页 |
2.4.3 多尺度集成 | 第27-28页 |
2.5 实验结果及分析 | 第28-30页 |
2.5.1 不平衡数据分类评价指标 | 第28页 |
2.5.2 实验结果与分析 | 第28-30页 |
2.6 本章小结 | 第30-32页 |
第三章 基于多目标遗传算法和空间金字塔的乳腺影像肿块检测 | 第32-42页 |
3.1 引言 | 第32页 |
3.2 多目标遗传算法 | 第32-36页 |
3.2.1 带精英策略的非支配排序遗传算法 | 第33页 |
3.2.2 快速非支配排序法 | 第33-34页 |
3.2.3 拥挤度比较算子 | 第34-35页 |
3.2.4 精英策略 | 第35-36页 |
3.2.5 NSGA-Ⅱ的算法流程 | 第36页 |
3.3 基于多目标遗传算法和空间金字塔的乳腺影像肿块检测方法 | 第36-38页 |
3.3.1 空间金字塔划分 | 第37页 |
3.3.2 运用NSGA-Ⅱ进行特征选择 | 第37-38页 |
3.3.3 多尺度集成 | 第38页 |
3.4 实验结果及分析 | 第38-40页 |
3.5 本章小结 | 第40-42页 |
第四章 基于深度卷积神经网络和空间金字塔的乳腺影像肿块检测 | 第42-54页 |
4.1 引言 | 第42页 |
4.2 卷积神经网络 | 第42-47页 |
4.2.1 稀疏连接 | 第43页 |
4.2.2 权重共享 | 第43-44页 |
4.2.3 最大池采样 | 第44页 |
4.2.4 Softmax回归 | 第44-46页 |
4.2.5 卷积神经网络整体架构 | 第46-47页 |
4.3 基于深度卷积神经网络和空间金字塔的乳腺肿块检测方法 | 第47-49页 |
4.3.1 空间金字塔划分 | 第48页 |
4.3.2 深度卷积神经网络的网络模型构建 | 第48-49页 |
4.3.3 多尺度集成 | 第49页 |
4.4 实验结果及分析 | 第49-51页 |
4.4.1 实验结果 | 第49-50页 |
4.4.2 结果分析 | 第50-51页 |
4.5 本章小结 | 第51-54页 |
第五章 总结 | 第54-56页 |
致谢 | 第56-58页 |
参考文献 | 第58-62页 |
作者简介 | 第62-63页 |