基于机器视觉的肺结节初筛算法研究与实现
| 致谢 | 第5-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.3 研究内容与目标 | 第18页 |
| 1.4 论文结构 | 第18-20页 |
| 第二章 基于视觉的肺结节初筛算法研究 | 第20-46页 |
| 2.1 整肺提取算法 | 第21-25页 |
| 2.1.1 二值化分割 | 第22-23页 |
| 2.1.2 形态学处理 | 第23-25页 |
| 2.1.3 边界修补 | 第25页 |
| 2.2 疑似肺结节的提取算法 | 第25-33页 |
| 2.2.1 区域生长法 | 第26-27页 |
| 2.2.2 聚类算法 | 第27-30页 |
| 2.2.3 卷积神经网络 | 第30-33页 |
| 2.3 假结节剔除算法 | 第33-44页 |
| 2.3.1 PCA+SVM | 第34-37页 |
| 2.3.2 集成学习 | 第37-41页 |
| 2.3.3 随机森林 | 第41-42页 |
| 2.3.4 XGboost | 第42-44页 |
| 2.4 传统肺结节检测算法总结 | 第44-46页 |
| 第三章 基于视觉的肺结节初筛算法设计 | 第46-65页 |
| 3.1 数据集 | 第46-47页 |
| 3.2 肺实质提取 | 第47-52页 |
| 3.2.1 肺实质提取步骤 | 第47-50页 |
| 3.2.2 K-means算法 | 第50-52页 |
| 3.3 建立疑似结节集 | 第52-60页 |
| 3.3.1 U-net介绍 | 第53-56页 |
| 3.3.2 数据增强 | 第56-58页 |
| 3.3.3 ReLu激活函数 | 第58-60页 |
| 3.4 假结节判别 | 第60-65页 |
| 3.4.1 VGG16 | 第60-63页 |
| 3.4.2 Soft-max回归 | 第63-65页 |
| 第四章 实验结果及评价 | 第65-75页 |
| 4.1 算法评价标准 | 第65-68页 |
| 4.1.1 F值 | 第65-66页 |
| 4.1.2 ROC曲线 | 第66-68页 |
| 4.2 实验结果及评价 | 第68-75页 |
| 4.2.1 肺实质提取效果 | 第68-69页 |
| 4.2.2 疑似结节集建立结果 | 第69-71页 |
| 4.2.3 假结节判别结果 | 第71-73页 |
| 4.2.4 算法综合评价 | 第73-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75页 |
| 5.2 展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 作者简历 | 第80页 |
