| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 影像组学的提出与研究现状 | 第13-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 本文结构 | 第17-19页 |
| 第二章 肝细胞癌与血管瘤MR数据获取与病灶提取 | 第19-23页 |
| 2.1 肝细胞癌与血管瘤MR数据获取 | 第19-20页 |
| 2.2 肝细胞癌与血管瘤病灶提取 | 第20-22页 |
| 2.3 小结 | 第22-23页 |
| 第三章 肝细胞癌与血管瘤影像组学特征提取与性能评估 | 第23-36页 |
| 3.1 肝细胞癌与血管瘤影像组学特征提取 | 第23-31页 |
| 3.1.1 一阶统计特征 | 第25-26页 |
| 3.1.2 灰度共生矩阵 | 第26-28页 |
| 3.1.3 邻域灰度差矩阵 | 第28页 |
| 3.1.4 灰度游程矩阵 | 第28-30页 |
| 3.1.5 灰度区域矩阵 | 第30-31页 |
| 3.2 肝细胞癌与血管瘤影像组学特征性能评估 | 第31-34页 |
| 3.2.1 特征可重复性与分类性能评估 | 第31-32页 |
| 3.2.2 特征可重复性与分类性能评估结果 | 第32-34页 |
| 3.3 小结 | 第34-36页 |
| 第四章 肝细胞癌与血管瘤鉴别诊断模型的建立 | 第36-50页 |
| 4.1 肝细胞癌与血管瘤影像组学特征选择 | 第36-42页 |
| 4.1.1 LASSO算法 | 第37-38页 |
| 4.1.2 基于最大信息系数的最大相关最小冗余算法 | 第38-42页 |
| 4.2 支持向量机 | 第42-44页 |
| 4.3 肝细胞癌与血管瘤鉴别诊断模型的建立与性能评估 | 第44-48页 |
| 4.3.1 LASSO算法的结果 | 第44-46页 |
| 4.3.2 基于最大信息系数的最大相关最小冗余算法的结果 | 第46-48页 |
| 4.4 小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-54页 |
| 5.1 本文工作总结 | 第50-52页 |
| 5.2 未来工作展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-67页 |
| 硕士期间成果 | 第67-68页 |
| 致谢 | 第68-69页 |
