| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-11页 |
| ·乳腺肿瘤超声图像分割的意义 | 第7页 |
| ·乳腺超声图像的特点 | 第7-8页 |
| ·医学超声图像分割的国内外研究现状 | 第8-9页 |
| ·本文工作和创新点 | 第9-11页 |
| 第二章 动态轮廓线模型和水平集理论 | 第11-25页 |
| ·引言 | 第11-12页 |
| ·参数型动态轮廓线模型 | 第12-16页 |
| ·传统snake模型 | 第12-14页 |
| ·GVF Snake模型 | 第14-16页 |
| ·几何型动态轮廓线模型和水平集方法 | 第16-23页 |
| ·曲线变形理论 | 第17-18页 |
| ·曲线的水平集表达 | 第18-19页 |
| ·水平集方法的曲线变形模型 | 第19-20页 |
| ·几种几何动态轮廓线模型 | 第20-23页 |
| ·结论 | 第23-25页 |
| 第三章 基于局部能量的动态轮廓线模型 | 第25-42页 |
| ·引言 | 第25-27页 |
| ·LF动态轮廓线模型 | 第27-36页 |
| ·分割模型 | 第27-30页 |
| ·算法实现 | 第30-31页 |
| ·实验结果 | 第31-36页 |
| ·CV-LF动态轮廓线模型 | 第36-41页 |
| ·分割模型 | 第37-38页 |
| ·算法实现 | 第38页 |
| ·实验结果 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于多分辨率的动态轮廓线模型 | 第42-53页 |
| ·引言 | 第42页 |
| ·高斯金字塔与多分辨率 | 第42-43页 |
| ·CF动态轮廓线模型 | 第43-52页 |
| ·分割模型 | 第44-46页 |
| ·算法实现 | 第46页 |
| ·实验结果 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 乳腺肿瘤良恶性分类判别的应用研究 | 第53-65页 |
| ·引言 | 第53页 |
| ·乳腺肿瘤的特征提取 | 第53-56页 |
| ·形态特征提取 | 第54-55页 |
| ·纹理特征提取 | 第55-56页 |
| ·集成学习研究 | 第56-63页 |
| ·选择性集成与GASEN | 第57-58页 |
| ·基于Moore-Penrose逆的选择性集成PISEN | 第58-60页 |
| ·PISEN的实验与结果 | 第60-62页 |
| ·选择性集成学习算法小结 | 第62-63页 |
| ·乳腺肿瘤的良恶性分类及评价 | 第63-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录:硕士期间发表论文 | 第71-72页 |
| 致谢 | 第72-73页 |