基于医学图像的肺结节特征提取与辅助检测
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究目的及主要内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第2章 肺部CT图像的前期准备 | 第16-29页 |
| ·肺结节病理特征 | 第16-19页 |
| ·LIDC数据库 | 第19-24页 |
| ·肺部CT图像预处理 | 第24-26页 |
| ·肺结节的分割 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 肺结节的特征提取 | 第29-41页 |
| ·肺结节特征 | 第29-38页 |
| ·灰度特征提取 | 第30-32页 |
| ·形状特征提取 | 第32-36页 |
| ·纹理特征提取 | 第36-38页 |
| ·特征归一化 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 肺结节的分类与识别 | 第41-56页 |
| ·常用的分类识别算法 | 第41-45页 |
| ·BP神经网络分类方法 | 第41-43页 |
| ·贝叶斯分类器 | 第43页 |
| ·支持向量机分类方法 | 第43-45页 |
| ·改进半监督模糊C均值聚类算法 | 第45-51页 |
| ·模糊C均值聚类算法 | 第45-49页 |
| ·改进的半监督模糊C均值聚类算法 | 第49-51页 |
| ·实验结果与分析 | 第51-54页 |
| ·实验的肺结节图像数据 | 第51-52页 |
| ·实验结果与分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 本文工作总结 | 第56-57页 |
| 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间取得的学术成果 | 第62-63页 |
| 攻读学位期间参与的研究项目 | 第63-64页 |
| 攻读学位期间撰写的软件著作权 | 第64-65页 |
| 致谢 | 第65页 |
