声明
致谢
摘要
序言
1 绪论
1.1 引言
1.2 研究背景及意义
1.2.1 乳腺医学知识
1.2.2 乳腺癌及其早期检查
1.2.3 钼靶X线摄影术
1.2.4 乳腺肿块
1.3 国内外研究现状
1.3.1 乳腺X线图像肿块检测研究现状
1.3.2 乳腺X线图像肿块分割研究现状
1.3.3 乳腺X线图像肿块分类研究现状
1.4 论文研究内容、主要贡献及创新
1.5 论文结构
2 乳腺癌肿块CAD系统研究
2.1 系统结构
2.2 实验图像库
2.3 算法性能评价准则
2.4 小结
3 基于数学建模与聚类的肿块检测
3.1 引言
3.2 算法流程
3.3 预处理
3.3.1 背景去除与图像降噪
3.3.2 图像增强
3.4 肿块的数学建模与模型特征
3.4.1 肿块区域建模
3.4.2 肿块区域特征
3.5 肿块相似像素点聚类
3.5.1 PCNN-FCM聚类
3.5.2 MS聚类
3.6 实验结果与分析
3.6.1 测试图像库
3.6.2 主要参数设定
3.6.3 实验结果与分析
3.7 本章小结
4 基于标记SPCNN的乳腺肿块分层检测
4.1 引言
4.2 标记SPCNN模型
4.2.1 改进型SPCNN
4.2.2 输出结果修正
4.3 分层肿块检测
4.3.1 判断准则
4.3.2 形态学特征与对比度标准
4.3.3 假阳性区域消除
4.4 实验结果与分析
4.4.1 实验图像库与算法流程
4.4.2 模型参数
4.3.3 实验结果
4.5 本章小结
5 基于SPCNN与改进型矢量CV模型的乳腺X线肿块分割方法
5.1 引言
5.2 算法设计与实现
5.3 SPCNN模型参数寻优
5.3.1 SPCNN最佳分割结果
5.3.2 SPCNN模型参数设置准则
5.4 改进型矢量CV模型
5.4.1 矢量CV模型
5.4.2 CV模型改进
5.5 算法测试与结果分析
5.5.1 测试图像库
5.5.2 实验参数
5.5.3 实验结果与分析
5.6 本章小结
6 基于FWSVM的乳腺X线肿块分类方法
6.1 引言
6.2 算法设计与实现
6.3 形状特征提取
6.4 多分辨率纹理特征提取
6.4.1 非下采样小波变换
6.4.2 子带特征提取
6.5 肿块分类
6.5.1 特征加权支持向量机
6.5.2 特征权值分析
6.6 实验结果与分析
6.6.1 测试数据库与分类器
6.6.2 纹理特征降维
6.6.3 纹理特征分类对比实验与分析
6.6.4 本章方法性能测试
6.7 本章小结
7 结论
7.1 全文总结
7.2 工作展望
参考文献
附录
图索引
表察引
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集