基于计算智能和机器学习的胃癌淋巴结检测及淋巴结转移诊断方法研究
| 作者简介 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第14-20页 |
| 1.1. 论文的研究背景 | 第14-15页 |
| 1.2. 淋巴结检测综述 | 第15-16页 |
| 1.3. 淋巴结转移诊断综述 | 第16-18页 |
| 1.4. 本论文的结构安排 | 第18-20页 |
| 第二章 基于目标信息交互式分割的脂肪组织提取方法 | 第20-50页 |
| 2.1. 引言 | 第20页 |
| 2.2. 相关工作 | 第20-21页 |
| 2.3. 基于目标信息的交互式分割算法 | 第21-24页 |
| 2.3.1. 问题描述 | 第21页 |
| 2.3.2. 初始化分割和目标标记 | 第21-22页 |
| 2.3.3. 区域表示和相似性测量 | 第22-23页 |
| 2.3.4. 单幅图像中的脂肪组织提取 | 第23-24页 |
| 2.4. 基于目标信息的三维交互式分割算法 | 第24-27页 |
| 2.4.1. 问题描述 | 第24-25页 |
| 2.4.2. 三维图像的脂肪组织提取 | 第25-27页 |
| 2.5. 实验 1：单幅图像脂肪组织提取 | 第27-39页 |
| 2.5.1. 算法测试结果 | 第27-30页 |
| 2.5.2. 鲁棒性分析 | 第30-31页 |
| 2.5.3. 比较研究 | 第31-35页 |
| 2.5.4. 定量分析 | 第35-39页 |
| 2.6. 实验 2：三维CT图像的脂肪组织提取 | 第39-49页 |
| 2.6.1. 算法测试结果 | 第39-42页 |
| 2.6.2. 比较研究 | 第42-45页 |
| 2.6.3. 定量分析 | 第45-49页 |
| 2.7. 本章小结 | 第49-50页 |
| 第三章 基于分层模型的淋巴结检测方法 | 第50-70页 |
| 3.1. 引言 | 第50-51页 |
| 3.2. 相关工作 | 第51-53页 |
| 3.2.1. 动态集成选择综述 | 第51-52页 |
| 3.2.2. 证据推理综述 | 第52-53页 |
| 3.3. 分层模型 | 第53-55页 |
| 3.4. 疑似淋巴结检测 | 第55-59页 |
| 3.4.1. 检测框架 | 第55页 |
| 3.4.2. 稀疏动态集成选择方法 | 第55-59页 |
| 3.5.淋巴结识别 | 第59-63页 |
| 3.5.1. 预处理 | 第59页 |
| 3.5.2. 提取特征 | 第59-61页 |
| 3.5.3. 淋巴结识别 | 第61-63页 |
| 3.6. 实验结果和分析 | 第63-69页 |
| 3.6.1. 实验 1：疑似淋巴结检测 | 第63-66页 |
| 3.6.2. 实验 2：淋巴结识别 | 第66-69页 |
| 3.7. 本章小结 | 第69-70页 |
| 第四章 基于克隆选择的淋巴结转移诊断特征优化方法 | 第70-82页 |
| 4.1. 引言 | 第70页 |
| 4.2. 相关工作 | 第70-71页 |
| 4.3. 问题描述 | 第71-72页 |
| 4.4.克隆选择算法 | 第72-77页 |
| 4.4.1. 初始化 | 第72-73页 |
| 4.4.2. 克隆操作子 | 第73-75页 |
| 4.4.3. 基于相关性的变异操作子 | 第75-77页 |
| 4.5. 实验研究 | 第77-80页 |
| 4.5.1. 数据描述 | 第77-78页 |
| 4.5.2. 实验设置 | 第78页 |
| 4.5.3. 实验结果和分析 | 第78-80页 |
| 4.6. 本章小结 | 第80-82页 |
| 第五章 基于双层置信规则推理的淋巴结转移诊断方法 | 第82-100页 |
| 5.1. 引言 | 第82-83页 |
| 5.2. 相关工作 | 第83-84页 |
| 5.3. 问题描述 | 第84-86页 |
| 5.4. 双层置信规则库的优化模型和优化算法 | 第86-88页 |
| 5.4.1. 双层置信规则库的优化模型 | 第86页 |
| 5.4.2. 基于克隆选择的参数优化算法 | 第86-88页 |
| 5.5. 双层置信规则库用于淋巴结转移诊断 | 第88-92页 |
| 5.5.1. 前提属性和结果的参考点 | 第88-90页 |
| 5.5.2. 构造规则库 | 第90-91页 |
| 5.5.3. 双层置信规则库的训练过程 | 第91-92页 |
| 5.6. 实验研究 | 第92-98页 |
| 5.6.1. 数据描述 | 第92-93页 |
| 5.6.2. 验证双层置信规则库 | 第93页 |
| 5.6.3. 与传统置信规则库的比较研究 | 第93-95页 |
| 5.6.4. 与已有优化算法的比较研究 | 第95-96页 |
| 5.6.5. 与已有诊断方法的比较研究 | 第96-98页 |
| 5.7. 本章小结 | 第98-100页 |
| 第六章 基于协同置信规则推理的淋巴结转移诊断方法 | 第100-116页 |
| 6.1. 引言 | 第100页 |
| 6.2. 相关工作 | 第100-101页 |
| 6.3. 问题描述 | 第101-103页 |
| 6.4. 协同置信规则库的优化模型和优化算法 | 第103-106页 |
| 6.4.1. 协同置信规则库的优化模型 | 第103页 |
| 6.4.2. 基于协同进化的参数优化算法 | 第103-106页 |
| 6.5. 协同置信规则库用于淋巴结转移诊断 | 第106-110页 |
| 6.5.1. 前提属性和结果的参考点 | 第106-108页 |
| 6.5.2. 构造规则库 | 第108-109页 |
| 6.5.3. 协同置信规则库的训练过程 | 第109-110页 |
| 6.6. 实验研究 | 第110-114页 |
| 6.6.1. 数据描述 | 第110页 |
| 6.6.2. 验证协同置信规则库 | 第110-112页 |
| 6.6.3. 验证协同进化优化算法 | 第112-113页 |
| 6.6.4. 比较研究 | 第113-114页 |
| 6.7. 本章小结 | 第114-116页 |
| 第七章 总结与展望 | 第116-119页 |
| 7.1. 研究总结 | 第116-117页 |
| 7.2. 下一步工作 | 第117-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-138页 |
| 攻读博士学位期间的研究成果 | 第138-140页 |
