基于PET-CT的孤立性肺结节分割及分类方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·医学图像分割 | 第10-11页 |
| ·医学图像分类 | 第11-12页 |
| ·课题来源及主要研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 医学图像处理相关技术综述 | 第15-25页 |
| ·医学图像处理基本流程 | 第15-16页 |
| ·医学图像分割 | 第16-18页 |
| ·医学图像特点 | 第16页 |
| ·医学图像分割方法 | 第16-18页 |
| ·面向医学图像的分类 | 第18-23页 |
| ·基本模型 | 第19-21页 |
| ·评价方法 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于PSO-SGNN的肺结节分割 | 第25-43页 |
| ·自生成神经网络 | 第25-30页 |
| ·聚类原理 | 第26-28页 |
| ·结构优化 | 第28-30页 |
| ·基于智能寻优的神经网络聚类 | 第30-34页 |
| ·自生成神经森林 | 第30-32页 |
| ·种子样本的智能寻优 | 第32-34页 |
| ·基于聚类的分割算法实现 | 第34-38页 |
| ·肺结节图像预处理 | 第35-36页 |
| ·图像中子区域聚类 | 第36-37页 |
| ·ROI检测与分割 | 第37-38页 |
| ·仿真实验及结果讨论 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于P-VH-SGNN的肺结节分类 | 第43-55页 |
| ·分类数据集 | 第43-49页 |
| ·原始数据采集 | 第43页 |
| ·肺结节医学征象 | 第43-46页 |
| ·量化特征数据集 | 第46-49页 |
| ·构造分类器 | 第49-53页 |
| ·网络生成 | 第49-52页 |
| ·分类识别 | 第52-53页 |
| ·仿真实验及结果讨论 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·工作总结 | 第55-56页 |
| ·未来工作和展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
