| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第14-27页 |
| 1.1 课题背景与研究意义 | 第14-15页 |
| 1.2 医学CT 图像 | 第15-18页 |
| 1.2.1 医学CT 图像特点 | 第15-16页 |
| 1.2.2 CT 成像原理 | 第16-17页 |
| 1.2.3 CT 平扫和CT 增强扫描 | 第17-18页 |
| 1.3 计算机辅助诊断技术综述 | 第18-24页 |
| 1.3.1 计算机辅助诊断 | 第18-20页 |
| 1.3.2 计算机辅助诊断的流程 | 第20-21页 |
| 1.3.3 肝脏计算机辅助诊断 | 第21-23页 |
| 1.3.4 使用多期CT 图片的肝脏计算机辅助诊断 | 第23-24页 |
| 1.4 论文主要工作 | 第24-25页 |
| 1.5 论文组织结构 | 第25-27页 |
| 第二章 肝脏计算机辅助诊断中的特征提取 | 第27-39页 |
| 2.1 引言 | 第27页 |
| 2.2 基于形状信息的图像特征提取 | 第27-30页 |
| 2.2.1 紧密度 | 第27-28页 |
| 2.2.2 空间矩 | 第28-29页 |
| 2.2.3 径向距离测度 | 第29-30页 |
| 2.3 基于纹理信息的图像特征提取 | 第30-34页 |
| 2.3.1 一阶统计特征 | 第30-32页 |
| 2.3.2 二阶统计特征——共生矩阵 | 第32-33页 |
| 2.3.3 基于Laws 纹理能量测度的特征 | 第33-34页 |
| 2.4 CT 图像的多期时序特征提取 | 第34-35页 |
| 2.4.1 信号相对密度 | 第35页 |
| 2.4.2 密度变化趋势 | 第35页 |
| 2.4.3 信号增强率（Signal Enhancement Ratio） | 第35页 |
| 2.5 基于分散图（Scattergram）的特征 | 第35-36页 |
| 2.6 肝脏辅助诊断系统的特征提取 | 第36-38页 |
| 2.7 小结 | 第38-39页 |
| 第三章 肝脏辅助诊断中的分类器设计 | 第39-54页 |
| 3.1 引言 | 第39页 |
| 3.2 k 近邻分类器 | 第39-42页 |
| 3.3 人工神经网络分类器 | 第42-48页 |
| 3.4 支持向量机分类器 | 第48-51页 |
| 3.5 肝脏诊断系统中分类器的设计与实现 | 第51-53页 |
| 3.6 小结 | 第53-54页 |
| 第四章 肝脏辅助诊断系统的开发与实现 | 第54-70页 |
| 4.1 引言 | 第54页 |
| 4.2 计算机辅助诊断基础架构概述 | 第54-57页 |
| 4.2.1 VTK 可视化工具包 | 第54-55页 |
| 4.2.2 Kaidi 计算机辅助诊断平台 | 第55-57页 |
| 4.3 肝脏计算机辅助诊断系统模块 | 第57-65页 |
| 4.3.1 辅助诊断系统流水线 | 第58页 |
| 4.3.2 特征提取模块（Feature Extractor） | 第58-60页 |
| 4.3.3 特征选择模块（Feature Selector） | 第60页 |
| 4.3.4 分类器模块(Classifier) | 第60-61页 |
| 4.3.5 诊断模块（Diagnosis） | 第61-62页 |
| 4.3.6 肝脏辅助诊断系统辅助模块 | 第62页 |
| 4.3.7 多期数据读取模块 | 第62-63页 |
| 4.3.8 肝脏辅助诊断读片模块 | 第63-64页 |
| 4.3.9 感兴趣区域（ROI）抓取模块 | 第64-65页 |
| 4.4 辅助诊断系统训练工具集 | 第65-69页 |
| 4.4.1 动态特征提取器（Dynamic Feature Extractor） | 第66-67页 |
| 4.4.2 独立分类器模块（Standalone Classifier） | 第67页 |
| 4.4.3 基于Python 脚本的系统验证&训练机制 | 第67-69页 |
| 4.5 小结 | 第69-70页 |
| 第五章 实验与结果 | 第70-83页 |
| 5.1 引言 | 第70页 |
| 5.2 实验环境及实验数据 | 第70-71页 |
| 5.2.1 实验软硬件环境 | 第70页 |
| 5.2.2 实验数据环境 | 第70-71页 |
| 5.3 肝脏辅助诊断实验验证方案及评价方法 | 第71-72页 |
| 5.3.1 交叉验证 | 第71-72页 |
| 5.3.2 接收机操作特性曲线分析 | 第72页 |
| 5.4 多期肝脏辅助诊断特征向量效果实验 | 第72-76页 |
| 5.4.1 特征向量实验过程描述 | 第72-74页 |
| 5.4.2 特征向量实验结果分析 | 第74-76页 |
| 5.5 不同分类器的诊断效果实验 | 第76-82页 |
| 5.5.1 分类器实验过程描述 | 第77-78页 |
| 5.5.2 分类器实验分析 | 第78-82页 |
| 5.6 小结 | 第82-83页 |
| 第六章 结论与展望 | 第83-84页 |
| 6.1 本文的工作总结 | 第83页 |
| 6.2 未来的工作 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 符号与标记（附录1） | 第89-90页 |
| 致谢 | 第90-91页 |
| 硕士期间发表论文 | 第91-93页 |
