| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| Contents | 第11-14页 |
| 第1章 绪论 | 第14-45页 |
| ·课题背景与研究目的 | 第14-17页 |
| ·课题来源 | 第17页 |
| ·乳腺超声图像的成像原理与特点 | 第17-22页 |
| ·超声成像原理简介 | 第17-18页 |
| ·乳腺超声图像的特点 | 第18-22页 |
| ·乳腺超声图像中的肿瘤定位与分类方法概述 | 第22-38页 |
| ·基于超声图像的乳腺肿瘤自动分类技术的组成 | 第22-24页 |
| ·乳腺超声图像肿瘤特征区域定位方法概述 | 第24-31页 |
| ·乳腺肿瘤分类方法概述 | 第31-38页 |
| ·本课题的主要研究内容 | 第38-45页 |
| ·肿瘤特征区域定位 | 第39-43页 |
| ·对定位差异具有健壮性的肿瘤分类 | 第43页 |
| ·本文的结构安排 | 第43-45页 |
| 第2章 基于局部纹理特征的肿瘤近似区域定位 | 第45-73页 |
| ·基于局部纹理特征的肿瘤近似区域定位方法 | 第45-61页 |
| ·基于模糊逻辑的乳腺超声图像增强 | 第46-48页 |
| ·局部纹理的提取 | 第48-51页 |
| ·图像块的分类 | 第51-55页 |
| ·分类结果的后处理 | 第55-56页 |
| ·近似肿瘤区域的选择 | 第56-60页 |
| ·算法步骤 | 第60-61页 |
| ·实验结果 | 第61-71页 |
| ·本章小结 | 第71-73页 |
| 第3章 基于灰度概率密度差异与局部边缘信息的精确肿瘤区域定位 | 第73-118页 |
| ·基于水平集理论的主动轮廓模型方法概述 | 第73-83页 |
| ·曲线演化理论 | 第73-75页 |
| ·曲线演化的水平集表示 | 第75-78页 |
| ·基于水平集方法的主动轮廓模型 | 第78-83页 |
| ·基于灰度概率密度差异与局部边界信息的主动轮廓模型 | 第83-92页 |
| ·基于概率密度差异的全局信息模型 | 第84-87页 |
| ·基于去除speckle噪声的局部信息模型 | 第87-89页 |
| ·边界长度项 | 第89页 |
| ·分割模型的水平集表示与离散化 | 第89-91页 |
| ·算法步骤 | 第91-92页 |
| ·实验结果 | 第92-114页 |
| ·模拟图像分割 | 第92-101页 |
| ·临床图像的分割 | 第101-114页 |
| ·本章小结 | 第114-118页 |
| 第4章 对肿瘤定位差异具有健壮性的乳腺肿瘤分类 | 第118-140页 |
| ·基于局部纹理特征的乳腺肿瘤分类方法 | 第118-126页 |
| ·基于分类检查点投票的肿瘤分类策略 | 第118-120页 |
| ·分类检查点的选择 | 第120页 |
| ·局部纹理的提取 | 第120-124页 |
| ·肿瘤的分类 | 第124-126页 |
| ·算法步骤 | 第126页 |
| ·实验结果 | 第126-137页 |
| ·手工标记肿瘤特征区域下的分类结果 | 第126-130页 |
| ·自动生成肿瘤特征区域下的分类结果 | 第130-137页 |
| ·本章小结 | 第137-140页 |
| 结论 | 第140-143页 |
| 参考文献 | 第143-155页 |
| 攻读学位期间发表的学术论文 | 第155-157页 |
| 致谢 | 第157-158页 |
| 个人简历 | 第158页 |