| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 肺结节良恶性分类研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 肺结节良恶性分类研究现状 | 第11-12页 |
| 1.2.2 基于PSO优化的多核SVM研究现状 | 第12-14页 |
| 1.3 文章主要研究内容 | 第14页 |
| 1.4 文章组织结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 多核SVM方法及肺结节良恶性常用分类模型 | 第16-25页 |
| 2.1 支持向量机基本概念及核函数 | 第16-21页 |
| 2.1.1 线性支持向量机 | 第16-18页 |
| 2.1.2 支持向量 | 第18-19页 |
| 2.1.3 非线性支持向量机 | 第19-21页 |
| 2.2 多核函数的构造 | 第21-23页 |
| 2.3 肺结节良恶性常用分类模型 | 第23页 |
| 2.4 多核方法用于肺结节良恶性分类的必要性 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 基于PCA方法的肺结节特征提取及特征选择 | 第25-37页 |
| 3.1 肺结节分割 | 第25-28页 |
| 3.2 肺结节的临床征象和CT征象 | 第28-29页 |
| 3.3 肺结节特征提取及定性分析 | 第29-32页 |
| 3.3.1 特征提取 | 第29-30页 |
| 3.3.2 特征选择基本概念 | 第30-31页 |
| 3.3.3 特征选择的评价标准 | 第31-32页 |
| 3.4 PCA方法 | 第32-33页 |
| 3.5 基于PCA方法的肺结节特征提取 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 基于适应度反馈PSO优化的多核SVM肺结节分类模型 | 第37-50页 |
| 4.1 多核SVM分类器的构造 | 第37-39页 |
| 4.2 基于适应度反馈方式的PSO算法 | 第39-43页 |
| 4.2.1 数据标准化 | 第39-40页 |
| 4.2.2 基于适应度反馈方式的PSO算法详细步骤 | 第40-43页 |
| 4.3 实验 | 第43-46页 |
| 4.3.1 肺结节数据来源 | 第43-44页 |
| 4.3.2 实验环境 | 第44页 |
| 4.3.3 分类模型的衡量标准 | 第44-46页 |
| 4.4 实验结果及分析 | 第46-49页 |
| 4.4.1 实验结果 | 第46-48页 |
| 4.4.2 实验分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-53页 |
| 5.1 论文工作总结 | 第50-51页 |
| 5.2 工作展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 攻读学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-63页 |