CT影像中肺结节检测与识别方法的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及研究意义 | 第11-12页 |
| 1.2 CT影像肺结节检测与识别研究现状 | 第12-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 DICOM影像解析及快速肺实质分割 | 第18-27页 |
| 2.1 概述 | 第18页 |
| 2.2 DICOM格式影像解析 | 第18-20页 |
| 2.3 基于区域生长的快速肺实质分割 | 第20-24页 |
| 2.3.1 最优阈值法 | 第20-21页 |
| 2.3.2 连通性处理 | 第21-22页 |
| 2.3.3 区域生长算法 | 第22页 |
| 2.3.4 基于轮廓筛选的影像去噪 | 第22-23页 |
| 2.3.5 多线程影像序列分割 | 第23-24页 |
| 2.4 实验及结果分析 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 肺实质轮廓修补及AIP算法研究 | 第27-39页 |
| 3.1 概述 | 第27页 |
| 3.2 肺实质轮廓修补算法研究 | 第27-33页 |
| 3.2.1 滚球法肺轮廓修补 | 第27-28页 |
| 3.2.2 形态学滤波模板肺轮廓修补 | 第28-29页 |
| 3.2.3 基于凸包和近邻点连接肺轮廓修补 | 第29-33页 |
| 3.3 基于层厚的AIP算法 | 第33-34页 |
| 3.3.1 平均密度投影算法 | 第33页 |
| 3.3.2 基于层厚的AIP | 第33-34页 |
| 3.4 实验及结果分析 | 第34-38页 |
| 3.4.1 肺实质修补对比实验 | 第34-36页 |
| 3.4.2 多层厚AIP算法实验 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于GMM的肺结节检测方法研究 | 第39-52页 |
| 4.1 概述 | 第39页 |
| 4.2 GMM原理及模型参数估计 | 第39-43页 |
| 4.2.1 EM算法估计GMM参数 | 第40-41页 |
| 4.2.2 K-means算法确定GMM初始参数 | 第41-42页 |
| 4.2.3 肺结节分割提取阈值的选定 | 第42-43页 |
| 4.3 基于GMM的单张影像肺结节检测 | 第43-45页 |
| 4.4 基于GMM的序列影像肺结节检测 | 第45-47页 |
| 4.5 实验及结果分析 | 第47-51页 |
| 4.5.1 肺结节提取检测分析 | 第47-49页 |
| 4.5.2 序列影像提取中分模型个数影响 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 基于SVM的肺结节识别方法研究 | 第52-68页 |
| 5.1 概述 | 第52页 |
| 5.2 SVM原理 | 第52-55页 |
| 5.2.1 线性支持向量机 | 第52-54页 |
| 5.2.2 非线性支持向量机 | 第54-55页 |
| 5.3 基于SVM的肺结节识别 | 第55-64页 |
| 5.3.1 矢状位及冠状位重建 | 第56-57页 |
| 5.3.2 特征提取 | 第57-59页 |
| 5.3.3 数据标定及数据集制作 | 第59-60页 |
| 5.3.4 样本数据量平衡处理 | 第60-61页 |
| 5.3.5 特征数据的归一化处理 | 第61-62页 |
| 5.3.6 SVM参数寻优 | 第62-63页 |
| 5.3.7 分类器训练与识别 | 第63-64页 |
| 5.4 实验及结果分析 | 第64-67页 |
| 5.4.1 分类识别结果 | 第64-66页 |
| 5.4.2 结果分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 系统设计与实现 | 第68-75页 |
| 6.1 概述 | 第68页 |
| 6.2 系统架构设计及界面设计 | 第68-70页 |
| 6.2.1 系统的结构设计 | 第68-69页 |
| 6.2.2 系统的模块架构设计 | 第69-70页 |
| 6.2.3 系统的界面设计 | 第70页 |
| 6.3 系统的开发实现 | 第70-74页 |
| 6.3.1 影像的读取解析模块 | 第70-71页 |
| 6.3.2 肺实质分割模块 | 第71-72页 |
| 6.3.3 肺实质边界轮廓修补模块 | 第72页 |
| 6.3.4 肺结节检测和提取模块 | 第72-73页 |
| 6.3.5 可视化交互模块 | 第73-74页 |
| 6.4 系统测试 | 第74页 |
| 6.5 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 本文工作总结 | 第75-76页 |
| 7.2 后续工作与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
