基于迁移学习的计算机辅助肺结节检测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·课题研究现状 | 第9-11页 |
| ·计算机辅助肺结节检测研究现状 | 第9-10页 |
| ·迁移学习研究现状 | 第10-11页 |
| ·本文的主要内容 | 第11-12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 肺部CT图像预处理及特征提取 | 第14-22页 |
| ·肺部CT图像预处理 | 第14-16页 |
| ·肺部CT图像特征提取 | 第16-19页 |
| ·灰度特征提取 | 第16-17页 |
| ·几何特征提取 | 第17-18页 |
| ·位置特征提取 | 第18-19页 |
| ·实验结果 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于AdaBoost的肺结节辅助检测 | 第22-34页 |
| ·AdaBoost算法 | 第22-24页 |
| ·AdaBoost算法原理 | 第22-23页 |
| ·AdaBoost算法流程 | 第23-24页 |
| ·基本分类器 | 第24-27页 |
| ·SVM算法 | 第24-26页 |
| ·KNN算法 | 第26-27页 |
| ·分类器评价方法及指标 | 第27-29页 |
| ·实验结果和分析 | 第29-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于迁移AdaBoost的肺结节辅助检测 | 第34-46页 |
| ·问题描述 | 第34-35页 |
| ·迁移学习概念 | 第35-36页 |
| ·迁移学习相关技术 | 第36-38页 |
| ·基于实例的迁移学习 | 第36-37页 |
| ·基于特征的迁移学习 | 第37-38页 |
| ·TrAdaBoost算法 | 第38-40页 |
| ·TrAdaBoost算法思想 | 第38-39页 |
| ·TrAdaBoost算法过程 | 第39-40页 |
| ·肺部源数据和辅助数据差异性分析 | 第40-41页 |
| ·对比算法 | 第41-42页 |
| ·实验结果及分析 | 第42-45页 |
| ·基于SVM的TrAdaBoost实验结果 | 第42-43页 |
| ·基于KNN的TrAdaBoost实验结果 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于迁移学习的肺结节检测系统的设计与实现 | 第46-54页 |
| ·系统设计 | 第46-47页 |
| ·系统实现 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间取得的学术成果 | 第62-64页 |
| 致谢 | 第64页 |
