文摘
英文文摘
声明
1绪论
1.1引言
1.2医学图像可视化的研究现状
1.3支持向量机技术及其应用
2理论基础
2.1统计学习理论
2.1.1机器学习理论
2.1.2统计学习理论
2.1.3结构风险最小化理论
2.2 SVM理论
2.2.1最优超平面
2.2.2支持向量机
2.2.3支持向量回归机(SVR)与多类分类问题
2.2.4核函数
3支持向量机在医学图像分割中的应用
3.1图像分割技术
3.1.1基于区域的分割方法
3.1.2基于边界的分割方法
3.1.3基于区域和边界技术相结合的分割方法
3.1.4基于特定理论的分割方法
3.1.5医学图像的分割技术
3.2图像特征提取技术
3.2.1纹理特征提取
3.2.2基于圆形窗口区域象素灰度特征提取
3.3训练样本选取技术
3.3.1自动方式选取
3.3.2交互方式选取
3.4 SVM重要参数的确定
3.5基于模糊支持向量机方法的图像分割
3.5.1模糊集的基本概念
3.5.2模糊支持向量机
3.5.3模糊支持向量机在图像分割中的应用
4基于SVM核磁共振左心室图像检测与分割的应用研究
4.1核磁共振左心室图像的分割方法研究
4.2基于SVM方法心脏MRI的自动分割实验
4.3 SVM训练与分割过程的改进和总结
5结论及建议
5.1本文总结
5.2进一步的工作
致谢
参考文献