摘要5-6
ABSTRACT6-9
第一章 绪论9-17
1.1 探讨背景与作用9-12
1.2 国内外探讨近况12-15
1.2.1 眼动跟踪进展情况12-13
1.2.2 视觉感知在医学影像诊断中的探讨13-15
1.3 本论文的主要工作及章节安排15-17
第二章 视觉感知信息与感兴趣区域浅析17-28
2.1 引言17
2.2 视觉感知信息采集17-23
2.2.1 乳腺钼靶病灶数据库的建立17-19
2.2.2 眼动数据记录设备19-20
2.2.3 眼动数据采集实验设计20-23
2.3 视觉感知信息包含的主要参数23-24
2.4 基于视觉感知信息的感兴趣浅析探讨24-27
2.4.1 基于模糊 C 均值聚类的感知信息聚类浅析25-26
2.4.2 基于 DBSCAN 的感知信息聚类浅析26
2.4.3 两种聚类结果比较浅析26-27
2.5 本章小结27-28
第三章 DBSCAN 聚类算法及其自适应实现28-35
3.1 引言28
3.2 DBSCAN 算法相关知识28-29
3.3 DBSCAN 算法与自适应探讨29-32
3.3.1 DBSCAN 算法原理29-30
3.3.2 DBSCAN 算法的自适应探讨30-32
3.4 DBSCAN 算法自适应实现32-34
3.4.1 领域半径ε计算32-33
3.4.2 邻域内最少对象数 MinPts 计算33-34
3.5 本章小结34-35
第四章 基于视觉感知信息的乳腺钼靶肿块检测浅析35-47
4.1 引言35-36
4.2 基于 DBSCAN 算法的视觉感知信息浅析36-38
4.2.1 领域半径计算37-38
4.2.2 最少对象点数计算38
4.3 “关注点”捕捉38-44
4.3.1 基于注视点停留时间的“关注点”捕捉39-41
4.3.2 基于注视点瞳孔直径的“关注点”捕捉41-42
4.3.3 基于综合指标的“关注点”捕捉42-44
4.3.4 基于不同指标的“关注点”提取效果比较44
4.4 实验结果及浅析44-46
4.4.1 肿块检测结果及评价44-46
4.5 本章小结46-47
第五章 结合视觉感知信息浅析与乳腺肿块分割的感知反馈策略探讨47-52
5.1 引言47
5.2 基于视觉感知信息浅析的疑似肿块提取实现47-49
5.2.1 基于区域生长的疑似肿块粗分割48
5.2.2 基于水平集策略的疑似肿块细分割48-49
5.3 实验结果及评价49-51
5.4 本章小结51-52
总结与展望52-54
6.1 工作总结52-53
6.2 探讨展望53-54
致谢54-55