摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景和意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 肺区分割的研究概况 | 第12-13页 |
1.2.2 肺结节检测和分类识别的研究概况 | 第13-15页 |
1.3 本文研究内容与贡献 | 第15-16页 |
1.4 本文的结构安排 | 第16-17页 |
第二章 改进的自动肺区分割算法 | 第17-34页 |
2.1 经典活动形状模型概述 | 第17-20页 |
2.1.1 形状学习 | 第17-19页 |
2.1.2 初始化 | 第19页 |
2.1.3 特征标记点搜索 | 第19-20页 |
2.2 改进的自动活动形状模型算法 | 第20-28页 |
2.2.1 自动初始化 | 第21-24页 |
2.2.2 基于PCA的局部纹理建模与相似度计算 | 第24-27页 |
2.2.3 多分辨率搜索 | 第27-28页 |
2.3 实验内容与结果评析 | 第28-33页 |
2.3.1 实验材料 | 第28-29页 |
2.3.2 实验设置 | 第29-30页 |
2.3.3 评价标准 | 第30页 |
2.3.4 结果及讨论 | 第30-33页 |
2.4 本章小结 | 第33-34页 |
第三章 肺部结节疑似区域初步检测 | 第34-47页 |
3.1 斑点检测常用方法概述 | 第34-36页 |
3.1.1 LoG检测 | 第34-36页 |
3.1.2 DoH检测 | 第36页 |
3.2 局部归一化增强结节 | 第36-37页 |
3.3 高效的多尺度结节识别 | 第37-43页 |
3.3.1 多尺度框架 | 第37-38页 |
3.3.2 DoG算子检测 | 第38-43页 |
3.4 实验内容与结果评析 | 第43-46页 |
3.4.1 实验材料 | 第43页 |
3.4.2 实验设置 | 第43页 |
3.4.3 评价标准 | 第43-44页 |
3.4.4 结果和讨论 | 第44-46页 |
3.5 本章小结 | 第46-47页 |
第四章 特征提取和特征选择 | 第47-62页 |
4.1 图像增强 | 第47-50页 |
4.1.1 直方图均衡化 | 第47-48页 |
4.1.2 对侧相减 | 第48-50页 |
4.2 特征提取 | 第50-56页 |
4.2.1 位置特征 | 第50页 |
4.2.2 灰度特征 | 第50-52页 |
4.2.3 基于灰度共生矩阵的纹理特征 | 第52-54页 |
4.2.4 尺度特征和基于Hessian矩阵的纹理特征 | 第54-55页 |
4.2.5 基于多尺度高斯微分滤波器的纹理特征 | 第55-56页 |
4.3 特征选择 | 第56-58页 |
4.3.1 特征选择概述 | 第56页 |
4.3.2 F-score算法 | 第56-57页 |
4.3.3 改进的F-score算法 | 第57-58页 |
4.4 实验内容与结果 | 第58-61页 |
4.4.1 实验材料和设置 | 第58页 |
4.4.2 特征提取的实验结果 | 第58-59页 |
4.4.3 特征选择的实验结果 | 第59-61页 |
4.5 本章小结 | 第61-62页 |
第五章 基于改进SVM的肺结节分类与识别 | 第62-82页 |
5.1 支持向量机概述 | 第62-66页 |
5.1.1 线性支持向量机 | 第62-65页 |
5.1.2 非线性支持向量机 | 第65-66页 |
5.2 数据不平衡问题对分类器的影响 | 第66-67页 |
5.3 重构训练样本集 | 第67-68页 |
5.4 改进的平衡支持向量机 | 第68-73页 |
5.4.1 平衡因子 | 第68-70页 |
5.4.2 特征融合 | 第70-71页 |
5.4.3 参数搜索和选择 | 第71-73页 |
5.5 实验内容与结果评析 | 第73-80页 |
5.5.1 实验材料 | 第73页 |
5.5.2 实验设置 | 第73页 |
5.5.3 评价标准 | 第73-74页 |
5.5.4 分类结果以及对比讨论 | 第74-80页 |
5.6 本章小结 | 第80-82页 |
第六章 总结与展望 | 第82-84页 |
6.1 本文的主要工作与结论 | 第82页 |
6.2 工作的展望 | 第82-84页 |
致谢 | 第84-85页 |
参考文献 | 第85-89页 |
攻硕期间的研究成果 | 第89-90页 |