| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题研究背景 | 第13-14页 |
| 1.2 计算机辅助诊断肝脏疾病的研究现状及发展趋势 | 第14-15页 |
| 1.3 论文的研究内容及组织结构 | 第15-18页 |
| 1.3.1 本文的研究内容 | 第15-16页 |
| 1.3.2 本文的结构安排 | 第16-18页 |
| 第二章 常见肝脏疾病CT图像诊断技术基本原理 | 第18-28页 |
| 2.1 医学CT图像基本原理 | 第18-21页 |
| 2.1.1 CT图像成像原理 | 第18-19页 |
| 2.1.2 医学CT图像特点 | 第19页 |
| 2.1.3 CT平扫和CT增强扫描基本原理 | 第19-21页 |
| 2.2 常见肝脏疾病及CT影像学表现 | 第21-24页 |
| 2.2.1 正常肝脏CT影像表现 | 第21页 |
| 2.2.2 肝囊肿CT影像表现 | 第21-22页 |
| 2.2.3 肝血管瘤CT影像表现 | 第22-23页 |
| 2.2.4 肝癌CT影像 | 第23-24页 |
| 2.3 常见肝脏疾病CT图像诊断技术方法简介 | 第24-27页 |
| 2.3.1 医学肝脏疾病CT图像诊断技术简介 | 第24-25页 |
| 2.3.2 计算机辅助诊断技术简介 | 第25-26页 |
| 2.3.3 肝脏计算机辅助诊断系统的框架设计 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 肝脏计算机辅助诊断中的ROI提取 | 第28-41页 |
| 3.1 水平集方法 | 第28-37页 |
| 3.1.1 曲线演化理论 | 第29-31页 |
| 3.1.2 水平集方法 | 第31-35页 |
| 3.1.3 距离正则性水平集方法 | 第35-37页 |
| 3.2 区域生长法 | 第37-38页 |
| 3.3 肝脏辅助诊断系统的ROI提取方法 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 肝脏计算机辅助诊断中的特征提取和特征选择 | 第41-53页 |
| 4.1 基于纹理信息的肝脏CT图特征提取 | 第41-46页 |
| 4.1.1 一阶统计特征——基于灰度直方图 | 第42-43页 |
| 4.1.2 二阶统计特征——灰度共生矩阵 | 第43-46页 |
| 4.2 基于多期肝脏CT图像的时序特征提取 | 第46-48页 |
| 4.3 肝脏辅助诊断系统中的特征选择 | 第48-52页 |
| 4.3.1 特征选择的基本概念 | 第48-49页 |
| 4.3.2 PCA算法原理 | 第49-52页 |
| 4.4 肝脏辅助诊断系统中特征提取和选择的实现 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 肝脏计算机辅助诊断中的分类器设计 | 第53-63页 |
| 5.1 统计学习理论基本内容 | 第54-56页 |
| 5.2 支持向量机 | 第56-61页 |
| 5.2.1 最优分类面 | 第56-58页 |
| 5.2.2 支持向量机模型 | 第58-61页 |
| 5.3 肝脏计算机辅助诊断中分类器的设计与实现 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 实验与结果 | 第63-75页 |
| 6.1 实验环境与数据 | 第63页 |
| 6.2 肝脏辅助诊断实验验证方案及评价方法 | 第63-65页 |
| 6.2.1 交叉验证 | 第64页 |
| 6.2.2 接受者操作特性曲线分析 | 第64-65页 |
| 6.3 结果与分析 | 第65-74页 |
| 6.3.1 ROI提取的效果实验 | 第65-68页 |
| 6.3.2 分类器分类准确率的验证与分析 | 第68-71页 |
| 6.3.3 实验结果ROC分析 | 第71-74页 |
| 6.4 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 工作总结 | 第75-76页 |
| 7.2 未来展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间的研究工作及成果 | 第81-82页 |
| 致谢 | 第82页 |