| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.3 研究现状 | 第11-12页 |
| 1.4 研究内容和创新点 | 第12-15页 |
| 1.4.1 构建肺结节图像提取数据库 | 第12-13页 |
| 1.4.2 提取肺结节形态特征 | 第13-15页 |
| 1.4.3 肺结节“良”、“恶”分类器 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 肺结节边缘序列构造 | 第17-33页 |
| 2.1 建立数据库 | 第17-19页 |
| 2.2 肺结节边缘提取 | 第19-28页 |
| 2.2.1 区域生长算法 | 第20-22页 |
| 2.2.2 肺结节边缘检测 | 第22-25页 |
| 2.2.3 肺结节边缘展开 | 第25-28页 |
| 2.3 肺结节轮廓转换为时间序列 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于DTW的肺结节形态征象检测 | 第33-43页 |
| 3.1 时间序列 | 第33-35页 |
| 3.2 DTW(Dynamic Time Warping)动态时间归整算法 | 第35-37页 |
| 3.3 基于DTW的肺结节形态征象算法实验 | 第37-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于递归图的肺结节形态征象检测 | 第43-53页 |
| 4.1 递归图 | 第43-44页 |
| 4.2 Campana-Keogh(CK-1)距离算法 | 第44-46页 |
| 4.3 KNN(k-Nearest Neighbour)算法 | 第46-48页 |
| 4.4 基于递归图的肺结节形态征象算法实验 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 基于医学征象的计算机辅助肺结节良恶诊断 | 第53-61页 |
| 5.1 基于区域生长的肺结节空洞征检测 | 第53-54页 |
| 5.2 基于阈值的肺结节钙化征检测 | 第54-56页 |
| 5.3 基于多个医学征象的肺结节良恶检测 | 第56-59页 |
| 5.4 本章小结 | 第59-61页 |
| 总结与展望 | 第61-65页 |
| 工作总结 | 第61-62页 |
| 未来展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士期间参与的科研项目与取得的学术成果 | 第71页 |
