| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究的背景及意义 | 第12-13页 |
| 1.2 肺癌与肺部CT图像 | 第13-16页 |
| 1.2.1 肺结节的分类 | 第15-16页 |
| 1.3 医学图像分割国内外研究现状 | 第16-22页 |
| 1.4 论文结构和章节安排 | 第22-23页 |
| 第2章 相关技术理论基础 | 第23-35页 |
| 2.1 引言 | 第23-24页 |
| 2.2 肺部CT图像预处理 | 第24-26页 |
| 2.2.1 滤波处理 | 第24-25页 |
| 2.2.2 肺实质分割 | 第25-26页 |
| 2.3 肺结节分割 | 第26-28页 |
| 2.3.1 基于区域生长的肺结节分割方法 | 第26-27页 |
| 2.3.2 基于可变模型的肺结节分割方法 | 第27页 |
| 2.3.3 基于滤波器的肺结节分割方法 | 第27-28页 |
| 2.3.4 基于聚类的肺结节分割方法 | 第28页 |
| 2.4 基于模糊C均值聚类算法的图像分割 | 第28-33页 |
| 2.4.1 标准的FCM图像分割算法 | 第28-30页 |
| 2.4.2 FCM_S图像分割算法 | 第30-31页 |
| 2.4.3 FCM_S1和FCM_S2图像分割算法 | 第31-32页 |
| 2.4.4 FLICM图像分割算法 | 第32-33页 |
| 2.5 基于FCM图像分割算法的现状 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于改进的模糊C均值聚类算法的肺结节分割 | 第35-47页 |
| 3.1 引言 | 第35-36页 |
| 3.2 模糊C均值聚类算法的改进研究 | 第36-40页 |
| 3.2.1 算法的基本思想 | 第36-38页 |
| 3.2.2 算法的基本流程 | 第38-40页 |
| 3.3 实验结果与分析 | 第40-46页 |
| 3.3.1 实验数据LIDC数据库 | 第40-43页 |
| 3.3.2 实验结果与分析 | 第43-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于模糊Ｃ均值聚类和字典学习的肺结节分割 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 字典学习算法 | 第48-50页 |
| 4.2.1 字典学习的基本理论 | 第48-49页 |
| 4.2.2 K-SVD算法 | 第49-50页 |
| 4.3 基于模糊Ｃ均值聚类和字典学习的肺结节分割算法 | 第50-55页 |
| 4.3.1 结合字典学习的FCM算法改进 | 第50-53页 |
| 4.3.2 改进算法的优化分析 | 第53-55页 |
| 4.4 实验结果与分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-62页 |
| 5.1 研究结论 | 第59-60页 |
| 5.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-70页 |
| 攻读硕士学位期间发表的学术成果 | 第70-71页 |
| 致谢 | 第71页 |