基于定量影像组学的肺结节良恶性预测
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 影像组学研究现状 | 第12-13页 |
| 1.3 本文主要工作及文章结构 | 第13-14页 |
| 第2章 影像组学方法和临床数据的获取 | 第14-18页 |
| 2.1 影像组学特点 | 第14-15页 |
| 2.2 影像组学方法过程 | 第15-16页 |
| 2.3 临床数据的获取 | 第16页 |
| 2.4 本章小结 | 第16-18页 |
| 第3章 影像组学图像分割算法的研究和选择 | 第18-24页 |
| 3.1 影像组学图像分割算法面临的挑战 | 第18-19页 |
| 3.2 图像分割方法的选择 | 第19-23页 |
| 3.2.1 基于边缘的图像分割算法 | 第19-20页 |
| 3.2.2 基于区域的图像分割算法 | 第20-22页 |
| 3.2.3 分割算法的选择 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第4章 定量影像组学特征的提取和选择 | 第24-36页 |
| 4.1 引言 | 第24页 |
| 4.2 特征提取 | 第24-26页 |
| 4.2.1 特征介绍和提取 | 第24-26页 |
| 4.3 特征选择 | 第26-31页 |
| 4.3.1 特征选择的定义与作用 | 第26-28页 |
| 4.3.2 特征选择的一般过程 | 第28-31页 |
| 4.3.3 常用特征选择算法 | 第31页 |
| 4.4 最小冗余最大相关特征选择算法 | 第31-34页 |
| 4.4.1 相关性度量 | 第31-32页 |
| 4.4.2 冗余度度量 | 第32页 |
| 4.4.3 最小冗余最大相关算法 | 第32-34页 |
| 4.5 本章小结 | 第34-36页 |
| 第5章 建立基于影像组学的肺结节良恶性预测模型 | 第36-45页 |
| 5.1 支持向量机 | 第36-37页 |
| 5.2 遗传算法 | 第37-40页 |
| 5.2.1 算法简介及特点 | 第37-38页 |
| 5.2.2 遗传算法的基本概念 | 第38-40页 |
| 5.3 肺结节良恶性预测模型的建立与预测结果分析 | 第40-44页 |
| 5.3.1 肺结节良恶性预测模型的建立 | 第40-42页 |
| 5.3.2 预测结果分析 | 第42-44页 |
| 5.4 本章小结 | 第44-45页 |
| 结论 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表的学术论文和专利 | 第52-53页 |
| 致谢 | 第53页 |
