| 致谢 | 第4-5页 |
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 课题的背景和意义 | 第13-16页 |
| 1.2 肺部重大疾病CT影像特征 | 第16-20页 |
| 1.3 肺部疾病影像信息学及其国际研究热点 | 第20-24页 |
| 1.3.1 肺部疾病计算机辅助诊断相关研究 | 第21-23页 |
| 1.3.2 目前研究存在问题 | 第23-24页 |
| 1.4 本论文的研究内容和创新 | 第24-26页 |
| 1.4.1 研究内容及意义 | 第24-25页 |
| 1.4.2 本论文研究的创新点 | 第25-26页 |
| 第2章 肺结节CT图像病理特性智能分析与基于图像特征的信息检索关键技术理论基础 | 第26-51页 |
| 2.1 人工神经网络及深度学习卷积神经网络（CNN）技术简介 | 第26-42页 |
| 2.1.1 深度学习人工神经网络 | 第26-28页 |
| 2.1.2 卷积神经网络局部感知和权值共享 | 第28-29页 |
| 2.1.3 卷积神经网络结构 | 第29-36页 |
| 2.1.4 卷积神经网络优化 | 第36-40页 |
| 2.1.5 迁移学习（Transfer Learning） | 第40-42页 |
| 2.2 医学影像特征与影像组学方法介绍 | 第42-46页 |
| 2.2.1 图像获取及重建 | 第44页 |
| 2.2.2 特征提取及量化 | 第44-45页 |
| 2.2.3 特征定量分析 | 第45-46页 |
| 2.3 基于内容高维图像检索系统简介 | 第46-51页 |
| 2.3.1 图像提取 | 第46页 |
| 2.3.2 图像特征提取方法 | 第46-47页 |
| 2.3.3 特征选择算法 | 第47-48页 |
| 2.3.4 相似度计算 | 第48页 |
| 2.3.5 高维特征索引 | 第48-51页 |
| 第3章 基于深度学习的肺小结节CT图像良恶性鉴别技术研究 | 第51-76页 |
| 3.1 肺小结节CT图像良恶性鉴别临床需求 | 第51-52页 |
| 3.2 基于深度学习的肺小结节CT图像良恶性鉴别技术流程 | 第52-53页 |
| 3.3 肺小结节CT图像数据采集 | 第53-55页 |
| 3.4 基于深度学习的肺小结节CT图像良恶性鉴别实现 | 第55-68页 |
| 3.4.1 深度学习框架选择 | 第55-56页 |
| 3.4.2 深度学习系统环境搭建 | 第56-57页 |
| 3.4.3 数据预处理 | 第57-58页 |
| 3.4.4 卷积神经网络设计 | 第58-64页 |
| 3.4.5 卷积神经网络模型训练 | 第64-68页 |
| 3.5 肺结节良恶性鉴别评测标准 | 第68-70页 |
| 3.6 肺结节良恶性智能鉴别评测分析 | 第70-76页 |
| 第4章 基于迁移学习(Transfer Learning)的肺部肿瘤CT图像病理特性分析技术研究 | 第76-103页 |
| 4.1 肺部肿瘤CT图像病理分析临床需求 | 第76-77页 |
| 4.2 基于迁移学习的肺部肿瘤CT图像病理分析流程 | 第77-78页 |
| 4.3 肺部肿瘤CT图像数据获取 | 第78-79页 |
| 4.4 基于深度学习的肺部CT图像病理分析 | 第79-91页 |
| 4.4.1 数据预处理 | 第79-81页 |
| 4.4.2 基于迁移学习（Transfer Learning）卷积神经网络设计 | 第81-89页 |
| 4.4.3 卷积神经网络模型训练 | 第89-91页 |
| 4.5 肺部肿瘤CT图像病理分析及结果评测 | 第91-103页 |
| 第5章 基于内容的医学图像高维检索系统设计与技术实现 | 第103-120页 |
| 5.1 基于内容的医学图像高维检索系统需求分析 | 第103-104页 |
| 5.2 基于内容的医学图像高维检索系统架构设计 | 第104-108页 |
| 5.3 基于内容的医学图像高维检索系统实现 | 第108-119页 |
| 5.3.1 肺结节病灶提取 | 第108-110页 |
| 5.3.2 基于常规特征构建的肺结节CT图像特征提取 | 第110-114页 |
| 5.3.3 基于深度学习网络的肺结节CT图像特征提取 | 第114-115页 |
| 5.3.4 高维特征数据库建立 | 第115-119页 |
| 5.4 相似度计算及评测标准 | 第119-120页 |
| 第6章 基于内容的医学图像高维检索系统性能评测 | 第120-128页 |
| 6.1 数据采集及预处理 | 第120页 |
| 6.2 特征选择 | 第120-121页 |
| 6.2.1 基于常规特征构建的特征选择 | 第120-121页 |
| 6.2.2 基于深度学习网络的特征选择 | 第121页 |
| 6.3 检索性能评测 | 第121-125页 |
| 6.4 检索准确率评测 | 第125-128页 |
| 第7章 肺结节CT图像病理特性智能分析关键技术讨论 | 第128-133页 |
| 7.1 基于深度学习的肺小结节CT图像良恶性鉴别技术研究讨论 | 第128-129页 |
| 7.2 基于迁移学习（Transfer Learning）的肺部肿瘤CT图像病理特性分析技术研究讨论 | 第129-133页 |
| 第8章 总结与展望 | 第133-136页 |
| 8.1 总结 | 第133-134页 |
| 8.2 展望 | 第134-136页 |
| 附录A 卷积神经网络优化算法 | 第136-138页 |
| 附录B 特征提取算法 | 第138-145页 |
| 附录C 支持向量机算法 | 第145-149页 |
| 参考文献 | 第149-155页 |
| 攻读博士期间发表论文 | 第155页 |
