基于影像组学的脑部胶质瘤高低级别分类模型研究与实现

目录

声明

第1章 绪论

1.1 课题研究背景、目的及意义

1.2 相关领域国内外研究现状

1.2.1 影像组学研究现状

1.2.2 医学图像分割算法研究现状

1.2.3 图像特征提取与降维方法研究现状

1.2.4 图像数据分类方法研究现状

1.3 论文研究内容及章节结构

1.3.1 本文的主要研究内容

1.3.2 本文的组织结构

第2章 脑胶质瘤MR图像的交互式分割算法研究

2.1 图像降噪预处理

2.2 经典GrowCut图像分割算法

2.3 基于局部结构张量的GrowCut算法

2.3.1 图像的结构张量描述

2.3.2 提出的优化算法

2.4 分割实验结果与分析

2.4.1 实验数据集

2.4.2 分割效果评价标准

2.4.3 分割效果对比分析

2.5 本章小结

第3章 病灶区域特征矩阵构造研究与分析

3.1 医学图像特征提取

3.1.1 一阶特征参数分析及提取

3.1.2 形态特征参数分析及提取

3.1.3 纹理特征参数分析及提取

3.2 特征降维方法的研究

3.2.1 基于单变量统计特征选择

3.2.2 基于信息增益特征选择

3.2.3 基于递归特征消除特征选择

3.2.4 基于主成分分析特征降维

3.3 特征构造实验结果与分析

3.3.1 实验设计

3.3.2 实验结果与分析

3.4 本章小结

第4章 脑部胶质瘤的高低级别分类模型实现

4.1基于支持向量机分类模型的构建

4.1.1 支持向量机数学模型

4.1.2. 支持向量机分类算法实现

4.2 基于随机森林分类模型的构建

4.2.1 随机森林数学模型分析

4.2.2 随机森林分类算法的实现

4.3 基于AdaBoost的SVM集成分类模型的构建

4.3.1 AdaBoost数学模型分析

4.3.2 AdaBoost与SVM相结合分类算法的实现

4.4 分类模型实验结果与分析

4.4.1 实验设计

4.4.2 模型评价方法与指标

4.4.3 实验结果与分析

4.5 本章小结

第5章 总结与展望

5.1 本文工作总结

5.2 后续工作展望

致谢

参考文献

攻读硕士学位期间发表的论文及其他成果