乳腺X线图像的分类研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题意义 | 第7-8页 |
| 1.2 医学背景 | 第8-9页 |
| 1.3 基于乳腺X线图像分类的研究现状 | 第9-11页 |
| 1.4 研究内容和技术创新点 | 第11页 |
| 1.5 本文的结构安排 | 第11-12页 |
| 2 乳腺X线图像的预处理 | 第12-23页 |
| 2.1 图像去噪 | 第12-15页 |
| 2.2 图像增强 | 第15-17页 |
| 2.3 乳腺X线图像中乳腺边缘的检测 | 第17-20页 |
| 2.4 包含微钙化点的区域提取 | 第20-21页 |
| 2.5 MASS区的提取和分割 | 第21-23页 |
| 3 基于乳腺X线图像的特征提取 | 第23-30页 |
| 3.1 基于灰度图像统计特征的提取 | 第23-25页 |
| 3.2 基于小波变换的图像特征提取 | 第25-27页 |
| 3.3 基于MASS轮廓的特征提取 | 第27-30页 |
| 4 乳腺X线图像的分类研究与实现 | 第30-50页 |
| 4.1 神经网络方法 | 第30-34页 |
| 4.2 基于改进的关联规则挖掘的分类研究 | 第34-39页 |
| 4.2.1 关联规则挖掘 | 第35-36页 |
| 4.2.2 分类器的设计 | 第36-39页 |
| 4.3 基于新核函数的支持向量机的分类研究 | 第39-46页 |
| 4.3.1 支持向量机分类的基本原理 | 第39-43页 |
| 4.3.2 基于SVM模型的分类 | 第43-46页 |
| 4.4 结果分析 | 第46-50页 |
| 4.4.1 系统性能评价标准 | 第46-48页 |
| 4.4.2 实验结果分析 | 第48-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 | 第57-63页 |
| 攻读学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64页 |
