| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题背景及意义 | 第9-10页 |
| ·文献综述 | 第10-14页 |
| ·研究目标 | 第14-15页 |
| ·系统结构设计 | 第15页 |
| ·章节安排 | 第15-16页 |
| 参考文献 | 第16-19页 |
| 第二章 图像的自动分割 | 第19-34页 |
| ·肺实质的自动分割 | 第19-23页 |
| ·图像的二值化 | 第19-20页 |
| ·形态学运算 | 第20-21页 |
| ·肺实质的轮廓检测和分割 | 第21-23页 |
| ·肺实质算法结果验证 | 第23页 |
| ·ROI的自动提取 | 第23-32页 |
| ·理论基础 | 第23-30页 |
| ·K-均值聚类算法 | 第23-24页 |
| ·模糊理论 | 第24-25页 |
| ·标准模糊C均值聚类(FCM)算法 | 第25-26页 |
| ·MARKOV随机场与GIBBS随机场理论 | 第26-29页 |
| ·基于GIBBS随机场与模糊C均值聚类的图像分割算法（GFCM） | 第29-30页 |
| ·分割结果 | 第30-32页 |
| ·本章小结 | 第32页 |
| 参考文献 | 第32-34页 |
| 第三章 ROI的特征选择和提取 | 第34-47页 |
| ·理论基础 | 第34-37页 |
| ·特征空间优化设计问题 | 第34-35页 |
| ·孤立性肺结节(SPN)的CT医学征象 | 第35-37页 |
| ·ROI的候选特征 | 第37-41页 |
| ·特征选择 | 第41-42页 |
| ·特征分量的模糊标准化 | 第42-45页 |
| ·本章小结 | 第45页 |
| 参考文献 | 第45-47页 |
| 第四章 分类器设计 | 第47-56页 |
| ·理论基础 | 第47-52页 |
| ·人工神经网络模型 | 第47-48页 |
| ·人工神经网络的分类及学习方式 | 第48-49页 |
| ·BP神经网络 | 第49-52页 |
| ·BP网络样本的选择及组织 | 第52页 |
| ·构造BP神经网络分类器 | 第52-54页 |
| ·网络训练 | 第54-55页 |
| ·本章小结 | 第55页 |
| 参考文献 | 第55-56页 |
| 第五章 结果与讨论 | 第56-63页 |
| ·诊断试验的评价 | 第56-59页 |
| ·诊断试验中常用的评价指标 | 第56-57页 |
| ·ROC曲线 | 第57-59页 |
| ·系统实验结果统计及评价 | 第59-61页 |
| ·系统界面 | 第61-62页 |
| ·本章小结 | 第62页 |
| 参考文献 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65页 |