基于磁共振图像的脑胶质瘤MIB-1指数检测研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10-12页 |
| ·国内外研究现状及趋势 | 第12-16页 |
| ·脑胶质瘤的分子生物学研究进展 | 第12-14页 |
| ·磁共振图像与分子标记物的关联性研究进展 | 第14-16页 |
| ·本论文的工作和组织结构 | 第16-18页 |
| 2 MRI图像预处理与特征提取 | 第18-35页 |
| ·脑胶质瘤序列图像预处理 | 第18-21页 |
| ·脑胶质瘤MRI图像特点 | 第18-19页 |
| ·脑胶质瘤序列图像配准 | 第19-20页 |
| ·感兴趣区域提取 | 第20-21页 |
| ·MRI图像特征提取 | 第21-34页 |
| ·纹理特征 | 第21-29页 |
| ·闵科夫斯基泛函 | 第29-32页 |
| ·年龄特征 | 第32页 |
| ·特征列表 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 特征选择算法研究 | 第35-47页 |
| ·特征选择方法及分类 | 第35-37页 |
| ·特征选择的定义 | 第35-36页 |
| ·特征选择的分类 | 第36-37页 |
| ·基于改进的离散粒子群的特征选择方法 | 第37-44页 |
| ·粒子群算法基本原理 | 第38-41页 |
| ·改进的离散粒子群算法 | 第41-44页 |
| ·特征选择的结果与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 4 MIB-1指数范围的分类检测 | 第47-58页 |
| ·统计学习理论 | 第47-49页 |
| ·机器学习的VC维 | 第48页 |
| ·推广性的界 | 第48-49页 |
| ·结构风险最小化 | 第49页 |
| ·支持向量机 | 第49-55页 |
| ·线性情况 | 第50-52页 |
| ·非线性情况 | 第52-55页 |
| ·MIB-1指数范围分类检测 | 第55-57页 |
| ·基于SVM的MIB-1指数范围分类检测算法 | 第55页 |
| ·MIB-1指数范围分类检测结果分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-61页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 作者简历及在学期间所取得的科研成果 | 第66页 |
