基于支持向量机的肺部结节CT图像分割与识别
摘要 | 第1-5页 |
Abstract | 第5-9页 |
第1章 绪论 | 第9-17页 |
·课题研究的背景和意义 | 第9页 |
·国内外研究现状 | 第9-12页 |
·图像分割方面研究现状 | 第9-11页 |
·图像识别方面研究现状 | 第11-12页 |
·目前存在的问题 | 第12-13页 |
·论文的主要研究内容和结构安排 | 第13-17页 |
第2章 肺部CT图像的基本知识与相关方法 | 第17-27页 |
·CT图像的基本知识 | 第17页 |
·肺部病灶的相关知识 | 第17-19页 |
·图像分割与识别相关方法 | 第19-25页 |
·图像分割相关方法 | 第19-22页 |
·特征提取 | 第22-23页 |
·识别方法 | 第23-25页 |
·本章小结 | 第25-27页 |
第3章 基于肺部结节的CT图像分割 | 第27-41页 |
·肺部区域分割提取 | 第27页 |
·背景和无关信息去除 | 第27-29页 |
·填堵支气管 | 第29-32页 |
·左右肺区分离 | 第32-33页 |
·提取孤立结节 | 第33-35页 |
·提取粘连结节 | 第35-38页 |
·实验结果 | 第38-39页 |
·本章小结 | 第39-41页 |
第4章 肺部结节的特征提取与识别 | 第41-49页 |
·机器学习 | 第41页 |
·基于规则的ROI初提取 | 第41-42页 |
·支持向量机方法 | 第42-45页 |
·基于最小二乘支持向量机的肺结节识别 | 第45-46页 |
·实验结果与分析 | 第46-48页 |
·本章小结 | 第48-49页 |
第5章 总结与展望 | 第49-51页 |
·全文总结 | 第49页 |
·下一步工作展望 | 第49-51页 |
参考文献 | 第51-55页 |
作者简介 | 第55-57页 |
致谢 | 第57页 |