| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·计算机辅助检测的研究背景 | 第10-13页 |
| ·计算机辅助检测的研究背景和意义 | 第10-11页 |
| ·计算机辅助检测的国内外研究现状 | 第11-13页 |
| ·医学图像 ROI 提取的研究进展 | 第13-14页 |
| ·本文的主要贡献 | 第14-15页 |
| ·本文的结构安排 | 第15-16页 |
| 第二章 计算机辅助检测系统的概述 | 第16-23页 |
| ·计算机辅助检测系统的基本定义 | 第16-17页 |
| ·计算机辅助检测系统的研究内容 | 第17-18页 |
| ·计算机辅助检测系统的肺结节检测中的应用 | 第18-22页 |
| ·孤立性肺结节的筛检 | 第18-21页 |
| ·计算机辅助检测系统在肺结节诊断中的应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 医学图像分割与ROI 提取 | 第23-33页 |
| ·医学图像分割的概述 | 第23-25页 |
| ·医学图像分割的基本概念 | 第23-24页 |
| ·医学图像分割的发展过程 | 第24-25页 |
| ·医学图像分割的应用 | 第25页 |
| ·传统的图像分割技术 | 第25-28页 |
| ·基于阈值的图像分割 | 第25-27页 |
| ·边缘检测的图像分割 | 第27-28页 |
| ·基于区域生长的图像分割 | 第28页 |
| ·医学图像分割技术的新发展 | 第28-31页 |
| ·基于模糊聚类的图像分割 | 第28-29页 |
| ·基于活动轮廓模型的图像分割 | 第29-30页 |
| ·基于人工神经网络的图像分割 | 第30页 |
| ·基于小波的图像分割 | 第30-31页 |
| ·医学图像分割效果的评价 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第四章 基于视觉注意力模型的FCM 法在医学诊断中的应用 | 第33-46页 |
| ·视觉注意力模型 | 第33-37页 |
| ·显著性检测的概述 | 第33-34页 |
| ·人眼视觉选择注意机制 | 第34-35页 |
| ·Itti 显著图模型 | 第35-37页 |
| ·模糊 C 均值聚类 | 第37-40页 |
| ·模糊集的基本理论 | 第37页 |
| ·模糊 C 均值聚类（FCM）技术 | 第37-40页 |
| ·隶属度矩阵的定义 | 第37-38页 |
| ·模糊C 均值聚类中目标函数的定义 | 第38页 |
| ·聚类中心与隶属度矩阵的确定 | 第38-39页 |
| ·FCM 算法的基本步骤 | 第39-40页 |
| ·基于视觉注意力模型的 FCM 算法的设计 | 第40-45页 |
| ·基于视觉注意力模型得到 FOA | 第40-45页 |
| ·模糊C 均值聚类 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 仿真与分析 | 第46-59页 |
| ·MATLAB 仿真工具简介 | 第46页 |
| ·仿真结果与分析 | 第46-57页 |
| ·肺实质分割 | 第47-48页 |
| ·本文的方法实现疑似肺结节的提取 | 第48-50页 |
| ·本文方法的应用举例 | 第50-53页 |
| ·算法的复杂度比较 | 第53-57页 |
| ·本章小结 | 第57-59页 |
| 总结与展望 | 第59-61页 |
| 本文内容与总结 | 第59-60页 |
| 后续工作与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |