对于肿块基于视觉感知信息乳腺钼靶肿块辅助诊断

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