基于有监督哈希图像检索的肺结节征象识别方法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16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 |
| 1.2.1 肺部医学征象的相关研究 | 第11-12页 |
| 1.2.2 医学图像检索的相关研究 | 第12-14页 |
| 1.3 课题来源及研究内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关基础理论 | 第16-30页 |
| 2.1 肺结节的医学征象 | 第16-18页 |
| 2.2 医学图像检索的基本流程 | 第18-25页 |
| 2.2.1 肺结节特征提取方法 | 第19-22页 |
| 2.2.2 特征索引的构建方法 | 第22-23页 |
| 2.2.3 相似性度量方法 | 第23-25页 |
| 2.2.4 检索性能的评价指标 | 第25页 |
| 2.3 肺结节图像库的构建 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 基于卷积神经网络的肺结节特征提取方法 | 第30-42页 |
| 3.1 卷积神经网络 | 第30-31页 |
| 3.2 基于CNN的肺结节特征提取 | 第31-34页 |
| 3.2.1 单一征象数据集的训练 | 第32-33页 |
| 3.2.2 混合征象数据集的训练 | 第33-34页 |
| 3.3 基于征象分类的特征评价 | 第34-36页 |
| 3.3.1. 基于SVM的肺结节征象分类 | 第34-35页 |
| 3.3.2. 基于ELM的肺结节征象分类 | 第35-36页 |
| 3.4 实验分析 | 第36-41页 |
| 3.4.1 实验数据及环境 | 第36页 |
| 3.4.2 实验参数设置 | 第36-39页 |
| 3.4.3 实验对比分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于有监督哈希的肺结节图像检索及征象识别 | 第42-56页 |
| 4.1 哈希算法 | 第42-43页 |
| 4.2 基于哈希算法的肺结节图像检索 | 第43-47页 |
| 4.2.1 基于PCA和监督信息的哈希函数构造 | 第43-45页 |
| 4.2.2 基于自适应权重的相似性度量 | 第45-47页 |
| 4.3 肺结节征象识别 | 第47-48页 |
| 4.4 实验分析 | 第48-55页 |
| 4.4.1 实验数据及环境 | 第48页 |
| 4.4.2 肺结节图像的检索性能比较 | 第48-53页 |
| 4.4.3 肺结节征象的识别效果比较 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 未来工作与展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士研究生期间发表的论文 | 第66页 |
