肺癌CT影像特征与EGFR基因突变之间的关联分析
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 课题来源 | 第14-15页 |
| 1.4 肺癌的医学图像处理过程 | 第15-16页 |
| 1.5 本文研究内容 | 第16-18页 |
| 第2章 肺癌CT图像的处理和分析 | 第18-30页 |
| 2.1 医学CT图像简述 | 第18-20页 |
| 2.2 肺癌的特征类型 | 第20-22页 |
| 2.3 医学图像分割算法 | 第22-26页 |
| 2.3.1 基于阈值的图像分割算法 | 第22-23页 |
| 2.3.2 基于区域的分割算法 | 第23-24页 |
| 2.3.3 基于边缘检测的分割算法 | 第24-25页 |
| 2.3.4 基于特定理论的分割算法 | 第25-26页 |
| 2.4 医学图像分割特点 | 第26-27页 |
| 2.5 分割算法评价标准 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 肺癌区域的提取 | 第30-50页 |
| 3.1 临床图像数据分析 | 第30-34页 |
| 3.2 ImageJ软件平台简介 | 第34-35页 |
| 3.3 肺部CT图像的预处理 | 第35-36页 |
| 3.4 图像二值化 | 第36-37页 |
| 3.5 图像分割 | 第37-42页 |
| 3.5.1 无粘连肺癌区域的分割 | 第37-39页 |
| 3.5.2 局部粘连型肺癌区域分割过程 | 第39-42页 |
| 3.6 形态学处理 | 第42-44页 |
| 3.6.1 膨胀和腐蚀 | 第42-43页 |
| 3.6.2 开操作和闭操作 | 第43-44页 |
| 3.7 三维半自动图像分割 | 第44-46页 |
| 3.7.1 三维图像分割 | 第44-46页 |
| 3.7.2 自动分割步骤 | 第46页 |
| 3.8 ROI区域选取 | 第46-49页 |
| 3.9 本章小结 | 第49-50页 |
| 第4章 肺癌三维特征提取及优化 | 第50-64页 |
| 4.1 关于肺癌临床诊断的相关准则 | 第50-52页 |
| 4.2 特征提取 | 第52-59页 |
| 4.2.1 灰度特征 | 第52-54页 |
| 4.2.2 纹理特征 | 第54-56页 |
| 4.2.3 形态特征 | 第56-57页 |
| 4.2.4 放射性CT影像特征 | 第57-58页 |
| 4.2.5 患者自然信息 | 第58-59页 |
| 4.3 特征提取结果 | 第59-61页 |
| 4.4 特征优化及结果 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 基于SVM的肺癌特征分类 | 第64-76页 |
| 5.1 SVM概述 | 第64-69页 |
| 5.2 基于SVM的EGFR基因突变鉴别 | 第69-72页 |
| 5.2.1 实验数据 | 第69页 |
| 5.2.2 实验方法和结果 | 第69-72页 |
| 5.3 实验结果分析 | 第72-75页 |
| 5.3.1 实验评价标准 | 第72-73页 |
| 5.3.2 结果分析 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 附录 | 第84-95页 |
