| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 本文工作 | 第14页 |
| 1.4 本文结构 | 第14-16页 |
| 第2章 技术背景介绍 | 第16-28页 |
| 2.1 图像分割 | 第16-24页 |
| 2.1.1 基于灰度阈值的分割 | 第16-17页 |
| 2.1.2 基于迭代的分割 | 第17-18页 |
| 2.1.3 基于聚类的分割 | 第18-19页 |
| 2.1.4 基于边界的分割 | 第19-21页 |
| 2.1.5 基于形态学分水岭的分割 | 第21-24页 |
| 2.2 监督学习 | 第24-27页 |
| 2.2.1 逻辑回归算法 | 第24-25页 |
| 2.2.2 集成学习 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 轮廓掩膜提取算法 | 第28-46页 |
| 3.1 肺轮廓初步分割 | 第29-36页 |
| 3.1.1 二值化 | 第29-32页 |
| 3.1.2 背景移除 | 第32-34页 |
| 3.1.3 肺轮廓查找 | 第34-36页 |
| 3.2 轮廓重分割 | 第36-44页 |
| 3.2.1 轮廓序列合法性判断 | 第36-38页 |
| 3.2.2 掩膜的重新分割 | 第38-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第4章 肺部轮廓畸变判断算法 | 第46-58页 |
| 4.1 肺部轮廓畸变人工标注 | 第46-49页 |
| 4.2 监督学习 | 第49-57页 |
| 4.2.1 轮廓特征向量的选择 | 第49-52页 |
| 4.2.2 子轮廓特征向量的获取 | 第52-53页 |
| 4.2.3 类别不平衡的问题 | 第53-55页 |
| 4.2.4 基于AdaBoost的类别不平衡处理算法 | 第55-57页 |
| 4.2.5 相对多数投票法(plurality voting) | 第57页 |
| 4.3 本章小结 | 第57-58页 |
| 第5章 实验结果 | 第58-66页 |
| 5.1 验证肺部轮廓掩膜提取算法 | 第58-61页 |
| 5.1.1 正确性实验 | 第58-59页 |
| 5.1.2 效率实验 | 第59-61页 |
| 5.2 测试肺部轮廓畸变判断算法 | 第61-64页 |
| 5.2.1 分类器的性能测试 | 第61-64页 |
| 5.2.2 投票器准确率测试 | 第64页 |
| 5.3 本章小结 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 本文的主要工作和贡献 | 第66-67页 |
| 6.2 进一步的工作 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |