| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.研究背景和意义 | 第10-11页 |
| 2.研究现状 | 第11-20页 |
| 2.1 PET/CT融合技术现状 | 第11-12页 |
| 2.2 特征级融合方法的研究现状 | 第12-20页 |
| 2.3 基于粗糙集的肺部肿瘤诊断研究 | 第20页 |
| 3.论文的主要工作 | 第20页 |
| 4.论文的章节安排 | 第20-22页 |
| 第二章 基础知识 | 第22-36页 |
| 1.引言 | 第22页 |
| 2.特征级融合肺部肿瘤诊断模型 | 第22-35页 |
| 2.1 肺部肿瘤PET/CT图像的特征量化及提取 | 第22-26页 |
| 2.2 特征降维及变精度粗糙集约简 | 第26-30页 |
| 2.3 遗传算法 | 第30-33页 |
| 2.4 SVM分类器设计 | 第33-34页 |
| 2.5 集成学习 | 第34-35页 |
| 3.本章小结 | 第35-36页 |
| 第三章 基于集成SVM的肺部肿瘤PET/CT计算机辅助诊断研究 | 第36-47页 |
| 1.引言 | 第36页 |
| 2.算法思想 | 第36-37页 |
| 2.1 算法思想 | 第36-37页 |
| 2.2 模型设计 | 第37页 |
| 3.数据预处理 | 第37-38页 |
| 4.CT、PET和PET/CT肺部肿瘤ROI特征提取 | 第38-40页 |
| 4.1 CT肺部肿瘤特征 | 第38-39页 |
| 4.2 PET肺部肿瘤特征 | 第39页 |
| 4.3 PET/CT肺部肿瘤特征 | 第39-40页 |
| 5.仿真实验 | 第40-46页 |
| 5.1 实验环境 | 第40页 |
| 5.2 实验数据 | 第40-41页 |
| 5.3 SVM分类器参数优化 | 第41-42页 |
| 5.4 实验结果与分析 | 第42-46页 |
| 6 本章小结 | 第46-47页 |
| 第四章 基于遗传算法—变精度粗糙集模型的特征级融合研究 | 第47-71页 |
| 1.引言 | 第47页 |
| 2.算法思想 | 第47-50页 |
| 3.实验数据 | 第50页 |
| 4.数据预处理 | 第50-51页 |
| 5.ROI区域特征提取量化 | 第51-52页 |
| 6.仿真实验 | 第52-70页 |
| 6.1 基于遗传算法—变精度粗糙集模型的特征级融合实验 | 第52-69页 |
| 6.2 与基于遗传算法—粗糙集模型的特征级融合比较实验 | 第69-70页 |
| 7.本章小结 | 第70-71页 |
| 第五章 总结和展望 | 第71-73页 |
| 1.总结 | 第71页 |
| 2.创新点 | 第71-72页 |
| 3.展望 | 第72-73页 |
| 参考文献 | 第73-83页 |
| 文献综述 | 第83-109页 |
| 综述参考文献 | 第99-109页 |
| 致谢 | 第109-110页 |
| 攻读硕士学位期间参加的科研项目及发表的学术论文 | 第110-111页 |
| 个人简介 | 第111页 |
