| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-28页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 肺癌CAD研究现状 | 第15-16页 |
| 1.3 肺癌CAD关键技术研究现状 | 第16-23页 |
| 1.3.1 肺结节分割 | 第17-19页 |
| 1.3.2 特征学习 | 第19-20页 |
| 1.3.3 良恶性分类方法 | 第20-21页 |
| 1.3.4 计算机辅助诊断性能评估 | 第21-23页 |
| 1.4 存在的问题 | 第23-24页 |
| 1.5 论文研究目标和内容 | 第24-25页 |
| 1.6 论文组织结构 | 第25-28页 |
| 第2章 相关算法理论概述 | 第28-45页 |
| 2.1 特征提取算法 | 第28-33页 |
| 2.1.1 局部二值模式纹理特征 | 第28-30页 |
| 2.1.2 Gabor小波纹理特征 | 第30-31页 |
| 2.1.3 Haralick纹理特征 | 第31-33页 |
| 2.2 分割融合算法 | 第33-37页 |
| 2.2.1 阈值概率图 | 第34页 |
| 2.2.2 STAPLE算法 | 第34-35页 |
| 2.2.3 COLLATE算法 | 第35-37页 |
| 2.3 距离度量学习 | 第37-38页 |
| 2.4 谱聚类 | 第38-40页 |
| 2.5 分类算法 | 第40-44页 |
| 2.5.1 k-近邻算法 | 第40-41页 |
| 2.5.2 支持向量机 | 第41-43页 |
| 2.5.3 极限学习机 | 第43-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第3章 肺结节数据库构建 | 第45-53页 |
| 3.1 LIDC-IDRI肺癌CT影像数据库 | 第45-48页 |
| 3.2 肺结节提取 | 第48-50页 |
| 3.2.1 XML文件处理 | 第48-49页 |
| 3.2.2 肺结节轮廓绘制 | 第49页 |
| 3.2.3 肺结节轮廓融合 | 第49-50页 |
| 3.2.4 肺结节提取 | 第50页 |
| 3.3 肺结节数据库构建 | 第50-51页 |
| 3.3.1 肺结节特征表示 | 第50-51页 |
| 3.3.2 肺结节标签确定 | 第51页 |
| 3.4 肺结节数据库简介 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于相似性度量的肺结节良恶性分类算法研究 | 第53-71页 |
| 4.1 引言 | 第53-55页 |
| 4.2 基于核的半监督距离度量学习算法 | 第55-61页 |
| 4.2.1 基于核的马氏距离 | 第55-56页 |
| 4.2.2 基于核的差分散列和块对齐距离度量学习算法 | 第56-59页 |
| 4.2.3 投影学习 | 第59-61页 |
| 4.3 实验配置 | 第61-63页 |
| 4.3.1 算法参数设置 | 第61-62页 |
| 4.3.2 算法性能评估度量 | 第62-63页 |
| 4.4 实验结果 | 第63-68页 |
| 4.4.1 参数设置 | 第63-65页 |
| 4.4.2 算法比较 | 第65-67页 |
| 4.4.3 检索样例 | 第67-68页 |
| 4.4.4 运行时间 | 第68页 |
| 4.5 讨论 | 第68-69页 |
| 4.6 本章小结 | 第69-71页 |
| 第5章 基于谱聚类的肺结节良恶性聚类算法研究 | 第71-86页 |
| 5.1 引言 | 第71-73页 |
| 5.2 谱聚类算法 | 第73-77页 |
| 5.2.1 谱聚类算法综述 | 第73-74页 |
| 5.2.2 局部核回归模型和样本外扩展算法 | 第74-77页 |
| 5.3 实验配置 | 第77-80页 |
| 5.3.1 评估度量 | 第77-78页 |
| 5.3.2 实验设置 | 第78-80页 |
| 5.4 实验结果与分析 | 第80-85页 |
| 5.4.1 训练聚类性能 | 第80-81页 |
| 5.4.2 测试聚类性能 | 第81-83页 |
| 5.4.3 分类性能比较 | 第83-84页 |
| 5.4.4 总体聚类性能 | 第84-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第6章 基于特征学习的肺结节良恶性诊断方法研究 | 第86-101页 |
| 6.1 引言 | 第86-87页 |
| 6.2 医学图像检索方法 | 第87-88页 |
| 6.2.1 肺结节特征学习 | 第87-88页 |
| 6.2.2 医学图像检索分类 | 第88页 |
| 6.3 实验配置 | 第88-90页 |
| 6.3.1 数据集和数据预处理 | 第88-89页 |
| 6.3.2 性能评估 | 第89-90页 |
| 6.3.3 分类性能比较 | 第90页 |
| 6.4 实验结果 | 第90-94页 |
| 6.5 讨论和结论 | 第94-96页 |
| 6.6 扩展 | 第96-100页 |
| 6.6.1 医学图像检索方法 | 第96页 |
| 6.6.2 实验配置 | 第96-98页 |
| 6.6.3 实验结果 | 第98-100页 |
| 6.7 本章小结 | 第100-101页 |
| 第7章 基于医学图像检索的肺结节良恶性诊断方法研究 | 第101-112页 |
| 7.1 引言 | 第101-102页 |
| 7.2 医学图像检索方法 | 第102-105页 |
| 7.2.1 肺结节特征学习 | 第102-103页 |
| 7.2.2 肺结节图像相似性度量 | 第103-104页 |
| 7.2.3 肺结节医学图像检索方法 | 第104-105页 |
| 7.3 实验配置 | 第105-106页 |
| 7.3.1 肺结节数据集 | 第105页 |
| 7.3.2 实验设置 | 第105-106页 |
| 7.4 实验结果和讨论 | 第106-111页 |
| 7.4.1 参数设置 | 第106-108页 |
| 7.4.2 特征分析与分类 | 第108页 |
| 7.4.3 分类性能比较 | 第108-110页 |
| 7.4.4 整体分类性能 | 第110-111页 |
| 7.5 本章小结 | 第111-112页 |
| 第8章 结论与展望 | 第112-115页 |
| 8.1 本文的研究工作总结 | 第112-113页 |
| 8.2 进一步工作 | 第113-115页 |
| 参考文献 | 第115-127页 |
| 致谢 | 第127-129页 |
| 攻读学位期间发表的论文及科研工作 | 第129-130页 |
| 作者简介 | 第130页 |