肺部CT图像中肺结节自动检测算法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 论文研究背景和意义 | 第11-12页 |
| 1.1.1 论文研究背景 | 第11-12页 |
| 1.1.2 论文研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 肺结节可疑位置推荐算法 | 第12-13页 |
| 1.2.2 假阳性肺结节抑制算法 | 第13-14页 |
| 1.3 论文研究内容与组织结构 | 第14-15页 |
| 1.3.1 论文研究内容 | 第14-15页 |
| 1.3.2 论文组织结构 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 肺结节检测算法概述 | 第16-31页 |
| 2.1 算法需求分析 | 第16-18页 |
| 2.1.1 功能需求分析 | 第16-17页 |
| 2.1.2 性能需求分析 | 第17-18页 |
| 2.2 肺结节数据集与难点 | 第18-24页 |
| 2.2.1 数据集概述 | 第18页 |
| 2.2.2 肺结节检测难点 | 第18-24页 |
| 2.3 论文算法框架 | 第24-30页 |
| 2.3.1 算法框架概述 | 第24页 |
| 2.3.2 三维卷积神经网络 | 第24-28页 |
| 2.3.3 神经网络的优化 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 肺结节可疑位置推荐算法 | 第31-48页 |
| 3.1 算法概述 | 第31-32页 |
| 3.2 CT图像预处理 | 第32页 |
| 3.3 肺结节分割算法 | 第32-39页 |
| 3.3.1 残差学习 | 第33-34页 |
| 3.3.2 网络结构 | 第34-36页 |
| 3.3.3 优化方法 | 第36-37页 |
| 3.3.4 推断方法 | 第37-39页 |
| 3.4 可疑肺结节定位算法 | 第39-41页 |
| 3.5 实验结果与分析 | 第41-47页 |
| 3.5.1 实验结果与对比 | 第43-46页 |
| 3.5.2 改进点效果分析 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 假阳性肺结节抑制算法 | 第48-63页 |
| 4.1 算法概述 | 第48-49页 |
| 4.2 假阳性肺结节抑制网络 | 第49-53页 |
| 4.2.1 网络结构 | 第49-51页 |
| 4.2.2 空间池化裁切层 | 第51-53页 |
| 4.3 优化策略 | 第53-56页 |
| 4.3.1 数据增广 | 第53-54页 |
| 4.3.2 动态困难样本选择 | 第54-56页 |
| 4.4 推断策略 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-62页 |
| 4.5.1 假阳性结节抑制算法结果与对比 | 第57-59页 |
| 4.5.2 改进点效果分析 | 第59-60页 |
| 4.5.3 肺结节检测算法结果与对比 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的主要研究成果 | 第69-70页 |
| 致谢 | 第70页 |
