| 目录 | 第1-5页 |
| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9-10页 |
| ·乳腺超声图像的特点及诊断基础 | 第10-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·本论文主要工作和创新点 | 第14-16页 |
| ·本论文采用的数据库及实验条件 | 第16-17页 |
| 第二章 乳腺肿瘤感兴趣区域的自动检测 | 第17-33页 |
| ·引言 | 第17-19页 |
| ·感兴趣区域自动检测 | 第19-28页 |
| ·图像预处理 | 第19-22页 |
| ·特征提取 | 第22-26页 |
| ·局部基本纹理特征 | 第23页 |
| ·局部灰度共生矩阵纹理特征 | 第23-25页 |
| ·位置特征 | 第25页 |
| ·特征选择 | 第25-26页 |
| ·基于特征分类的ROI提取 | 第26-27页 |
| ·ROI选择 | 第27-28页 |
| ·实验结果及讨论 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 乳腺肿瘤边缘的全自动分割 | 第33-48页 |
| ·引言 | 第33-34页 |
| ·传统分割方法 | 第34-36页 |
| ·传统变分水平集算法法和Chan.Vese(CV)分割模型 | 第34-35页 |
| ·加入局部能量函数的水平集算法 | 第35-36页 |
| ·改进的Normalized Cut法自动提取边缘 | 第36-44页 |
| ·相干斑抑制备向异性扩散 | 第36-37页 |
| ·带权重邻域灰度信息的Normalized Cut自动分割 | 第37-43页 |
| ·边缘局部调整 | 第43-44页 |
| ·实验结果及讨论 | 第44-47页 |
| ·分割准确性 | 第44-46页 |
| ·分割效率 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 乳腺肿瘤良恶性判别的研究 | 第48-62页 |
| ·引言 | 第48页 |
| ·乳腺肿瘤的特征提取 | 第48-53页 |
| ·纹理特征提取 | 第49-51页 |
| ·形态学特征提取 | 第51-53页 |
| ·传统的良恶性判别方法 | 第53-56页 |
| ·反向传播人工神经网络 | 第53-54页 |
| ·Fisher线性判别 | 第54-55页 |
| ·支持向量机 | 第55-56页 |
| ·基于Affinity Propagation的良恶性判别 | 第56-57页 |
| ·实验结果与讨论 | 第57-61页 |
| ·不同分类器良恶性分类结果 | 第57-58页 |
| ·不同分类器泛化性能讨论 | 第58-60页 |
| ·基于接受者操作特性曲线的分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录:硕士期间发表论文 | 第68-69页 |
| 致谢 | 第69-70页 |
