乳腺X线图像多幅融合肿块检测方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-17页 |
| ·课题背景、目的及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·单幅乳腺X线图像的肿块检测方法 | 第12-13页 |
| ·多幅乳腺X线图像的肿块检测方法 | 第13-15页 |
| ·研究思路及方案 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 2 乳腺X线图像介绍及前期处理 | 第17-22页 |
| ·DDSM数据库介绍 | 第17页 |
| ·乳腺X线图像及特征分析 | 第17-18页 |
| ·图像格式转换 | 第18-19页 |
| ·图像前期处理 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于改进分层检测的肿块分割方法 | 第22-38页 |
| ·乳腺X线图像预处理 | 第22-28页 |
| ·形态学增强 | 第23-25页 |
| ·背景去除 | 第25-28页 |
| ·基于改进分层检测的肿块分割方法 | 第28-36页 |
| ·分层检测方法及改进 | 第28-32页 |
| ·肿块分割方法及参数设置 | 第32-36页 |
| ·实验与结果分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于多幅乳腺X线图像的肿块识别方法 | 第38-59页 |
| ·乳腺肿块识别过程介绍 | 第38-39页 |
| ·乳腺同侧CC/MLO视图位置匹配 | 第39-48页 |
| ·参考位置选取 | 第39-40页 |
| ·参考位置检测 | 第40-45页 |
| ·分割区域位置匹配及结果分析 | 第45-48页 |
| ·乳腺图像匹配区域特征提取 | 第48-52页 |
| ·基于神经网络的肿块识别方法 | 第52-58页 |
| ·BP神经网络 | 第53-54页 |
| ·BP神经网络设计 | 第54-56页 |
| ·实验与结果分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 5 全文总结和展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录A | 第62-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66页 |
