试议基于多模态超声图像甲状腺肿瘤分类

论文导读：征融合和变量选择的视频语义理解;浙江大学;、唐盛;超声子宫图像全自动识别研究;浙江大学;中国硕士学位论文全文数据库王璐瑶;隐喻视角下的广告多模态;南京大学;、张向静;图像中的作用与媒体的意识形态：西藏3.14事件新闻图像的多模态语篇分析;天津商业大学;、封晓瑞;多模态反射荧光实时共聚焦成像系统的研制;上海交通大
基于多模态超声图像的甲状腺肿瘤的分类论文相关文献周淑珍,王壎;58例急性阑尾炎的超声图像分析[J];实用医学影像杂志;、王凤英;黄艳-产后子宫出血的超声图像分析[J];中国社区医师(综合版);、罗春英-颈部淋巴结结核的超声表现[J];中国超声诊断杂志;、华峰-中风病人急性胰腺炎超声图像漏诊分析[J];临床超声医学杂志;、皮小兰;李车英;徐翔;李薇;刘燕娜;黄敏;李沿江-甲状腺癌的超声误诊分析[J];江西医学院学报;、马岩;刘学洲;孙伟光-老年性白内障术前超声检查的临床分析[J];吉林医学;、付少波;王薇-乳腺肿瘤超声表现与病理学对照分析[J];中国实用医药;、刘玉英-未破裂型异位妊娠的超声诊断分析[J];中国医药导报;、王福建;徐芳-小儿腹部神经母细胞性肿瘤超声图像特征与病理对照分析[J];中国初级卫生保健;、陈泳愉;徐庆华;谭咏韶;崔伟珍;谢守松;黄伟俊;方慧-不典型乳腺癌52例超声图像分析[J];广东医学; 田雨;杨帆;罗红;陈娇-原发性输卵管肿瘤的超声图像分析[A];、陈剑;丁云川;王庆慧;郑家亮;尹帆;苏璇;罗庆祎-智能跟踪血管影像分析系统的开发和初步运用的研究[A];第十届全国超声心动图学术会议论文[C];、鄢曹鑫;顾新宇;杨仲方;余永红;姚萍萍;黄定;徐英姿;田树元;何铭敏;余莉青;李宏春-右下肺肺癌的超声图像浅析[A];浙江省超声医学学术年会论文汇编[C];、孙建霞;于新凯;梁会泽-浆细胞性乳腺炎的超声图像分析[A];中国超声医学工程学会第三次全国浅表器官及外周血管超声医学学术会议（高峰论坛）论文汇编[C];、陈训;罗福成;章仁品;叶玉玲-超声图像DICOM3.0格式转换及网络整合的研究[A];中华医学会第六次全国超声医学学术年会论文汇编[C];、陈宁宁;杨力;蔡珠虹;王韦-子宫肉瘤的超声图像及鉴别诊断[A];第九届全国超声医学学术会议论文汇编[C];、郭翌;汪源源-基于Adaboost算法的颈动脉粥样硬化判别策略[A];中国仪器仪表学会第十一届青年学术会议论文集[C];、孙志民;汪源源;王威琪-超分辨率图像重建策略及其在超声图像中的应用[A];中国仪器仪表学会第六届青年学术会议论文集[C];、周璐璐;李金;于虹;李想;任爱民-基于区域生长与伪彩色增强的医学超声图像病变提取算法研究[A];全国超声医学工程学术会议论文集[C];、胡娜;张凌;陈敏;高毅;常才-甲状腺滤泡性癌的超声诊断及误诊分析[A];中国超声医学工程学会第二次全国浅表器官及外周血管超声医学学术会议论文汇编[C];
论文目录
摘要4-6
Abstract6-10
第1章绪论10-22

1.1课题背景及研究的目的和作用10-12

1.2多分类器融合策略的研究目前状况综述12-20

1.2.1多分类器融合策略的分类13-14

1.2.2多分类器系统的构造与优化14-16

1.2.3不同输出层上的分类器融合策略16-20

1.3本文主要研究内容及组织结构20-22

1.3.1本文的主要研究内容20

1.3.2本文的文章结构20-22

第2章多分类器系统的组合系数优化22-34

2.1线性组合的有效性22-25

2.

1.1分类器组合的有效性22-24

2.

1.2简单平均和加权平均的比较24-25

2.2基于贝叶斯理论的组合系数确定25-27

2.1乘积组合规则26-27

2.2求和组合规则27

2.3基于非贝叶斯理论的组合系数27-32

2.3.1信息熵与相应改善算法27-29

2.3.2散乱度与相应改善算法29-30

2.3.3均值方差比与相应改善算法30-32

2.4实验与分析32-33

2.5本章小结33-34

第3章基于非贝叶斯框架的复合权值分类器融合策略34-47

3.1引言34-35

3.2分类器的差异性35-39

3.

2.1差异性的构建36

3.

2.2成对分类器的差异性度量36-37

3.

2.3不成对分类器的差异性度量37-39

3.3基于非贝叶斯融合理论的复合权值融合策略39-41

3.4算法描述41-44

3.5实验结果与分析44-46

3.6本章小结46-47

第4章多模态超声图像中多分类器融合的应用47-59

4.1恶性甲状腺肿瘤的超声表现47-49

4.2多模态超声图像的特征选取49-52

4.3基于单一分类器的甲状腺肿瘤分类52-53

4.

3.1基于所有特征数据的甲状腺肿瘤分类52

4.

3.2采用部分特征的甲状腺肿瘤分类52-53

4.4基于多分类器融合的甲状腺肿瘤分类53-58

4.1结构风险最小化准则与基分类器的选取53-55

4.2分类评价标准55-56

4.3实验结果56-58

4.5本章小结58-59

结论59-61
参考文献61-65
致谢65
多模态甲状腺超声图像计算机辅助诊断多分类器融合差异性度量复合权值
参考文献
张征;英语课堂多模态读写能力实证研究[D];山东大学;帕金森病影像标记及计算机辅助诊断研究[D];浙江大学;诊断中超声图像的分析与处理研究[D];复旦大学;、江旻珊;先进眼科多模态成像技术研究[D];上海交通大学;、刘亚楠;多模态特征融合和变量选择的视频语义理解[D];浙江大学;、唐盛;超声子宫图像全自动识别研究[D];浙江大学; 中国硕士学位论文全文数据库王璐瑶;隐喻视角下的广告多模态[D];南京大学;、张向静;图像中的作用与媒体的意识形态：西藏3.14事件新闻图像的多模态语篇分析[D];天津商业大学;、封晓瑞;多模态反射荧光实时共聚焦成像系统的研制[D];上海交通大学;、巩睿;基于多模态超声图像的甲状腺肿瘤的分类[D];哈尔滨工业大学;、崔燕;平面公益广告互动作用的多模态话语分析[D];山东大学;、闫兆法;基于多模态粒子群优化的社会网络分析研究[D];大连理工大学;、张峰;脑肿瘤多模态医学图像可视化研究及系统实现[D];浙江大学;、李翔;基于统计模型的多模态医学图像配准[D];浙江大学;、张海哲;多模态医学图像配准策略的研究[D];河北工业大学;、韩寒;超声图像滤波及增强算法研究[D];哈尔滨工业大学; 全文地址：www.7ctime.com/sglw/lw18928.html上一论文：阐释中职计算机应用基础网络精品课程的开发与建设