| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.2 肺结节图像分割现状 | 第11-12页 |
| 1.2.3 肺结节分类诊断现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 基础理论与方法介绍 | 第17-31页 |
| 2.1 医学图像成像技术 | 第17-18页 |
| 2.1.1 CT成像基本原理 | 第17页 |
| 2.1.2 PET成像基本原理 | 第17-18页 |
| 2.2 计算机辅助诊断系统 | 第18-20页 |
| 2.3 图像分割理论介绍 | 第20-23页 |
| 2.3.1 图像分割定义 | 第20页 |
| 2.3.2 医学图像分割方法 | 第20-23页 |
| 2.4 图像分类理论介绍 | 第23-30页 |
| 2.4.1 深度学习模型 | 第24-28页 |
| 2.4.2 评价标准 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于信息熵和联合向量的LBF模型的肺结节分割 | 第31-47页 |
| 3.1 初始轮廓构造 | 第32-34页 |
| 3.1.1 肺结节感兴趣区域获取 | 第32-33页 |
| 3.1.2 自动阈值迭代法 | 第33-34页 |
| 3.2 基于信息熵和联合向量的LBF活动轮廓分割模型 | 第34-40页 |
| 3.2.1 LBF活动轮廓模型 | 第34-35页 |
| 3.2.2 基于信息熵的边缘引导函数的构造 | 第35-37页 |
| 3.2.3 灰度联合向量的构造 | 第37页 |
| 3.2.4 分割模型的计算 | 第37-40页 |
| 3.3 实验结果与分析 | 第40-45页 |
| 3.3.1 数据集介绍 | 第40页 |
| 3.3.2 定性评估 | 第40-42页 |
| 3.3.3 定量比较 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于混合受限玻尔兹曼机的肺结节良恶性诊断 | 第47-59页 |
| 4.1 CRBM特征学习 | 第47-50页 |
| 4.1.1 CRBM网络 | 第47-49页 |
| 4.1.2 网络训练 | 第49-50页 |
| 4.2 ClassRBM结节分类 | 第50-52页 |
| 4.2.1 ClassRBM网络 | 第50-51页 |
| 4.2.2 网络优化 | 第51-52页 |
| 4.2.3 网络训练 | 第52页 |
| 4.3 诊断模型构建 | 第52-53页 |
| 4.4 实验结果与分析 | 第53-57页 |
| 4.4.1 数据集介绍 | 第53-54页 |
| 4.4.3 实验设置 | 第54-55页 |
| 4.4.4 实验对比 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |