目的：对乳腺超声图像进行多类分割（真皮层、脂肪层、腺体层、肿瘤层、肌肉层、背景区域）
第一章绪论（大概内容）：
1.介绍课题背景和研究意义
2.国内外研究现状
a.图像的非语义分割方法概述（基于阈值、基于边缘检测、基于区域、基于图论、基于聚类、基于能量函数）
b.图像的语义分割方法概述（传统的模式识别分类器（SVM等）、机器学习方法、深度学习方法）
第二章图像的多种特征提取（大概内容）：
1.介绍并对比多种特征提取方案（灰度特征、纹理特征、边缘信息特征、小波变换后提取的纹理特征、FCN深度特征）
第三章基于SVM的图像粗分割（大概内容）：
1.介绍SVM理论基础
2.介绍本实验使用的核函数的软间隔支持向量机
3.将第二章介绍的几个方案所提取的特征和标签输入进该SVM中，比较评价指标，选出了FCN深度特征提取方法最好
第四章基于医学先验约束的全连接条件随机场的图像精细分割（大概内容）：
1.介绍了全连接条件随机场
2.改进了全连接条件随机场的能量函数，并将先验知识应用到全连接条件随机场中
3.选择了使用SVM进行FCN深度特征提取分割结果较差的图进行实验对比，比较了SVM进行FCN深度特征提取分割方法、加入全连接条件随机场优化后的分割方法、加入本文改进后的全连接条件随机场优化后的分割方法、医生标注的正确类别区域，证明本文工作的有效性
文章原文添加链接描述