| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-32页 |
| 1.1 课题的研究背景与意义 | 第15-17页 |
| 1.2 课题的国内外研究现状 | 第17-29页 |
| 1.2.1 肝脏分割的现状分析 | 第17-20页 |
| 1.2.2 肝脏肿瘤检测的现状分析 | 第20-22页 |
| 1.2.3 肺分割的现状分析 | 第22-26页 |
| 1.2.4 肺肿瘤检测的现状分析 | 第26-29页 |
| 1.3 论文的主要研究内容 | 第29-30页 |
| 1.4 论文的主要组织结构 | 第30-32页 |
| 第2章 基于概率图谱与水平集技术的肝脏分割 | 第32-64页 |
| 2.1 引言 | 第32-33页 |
| 2.2 三维图像预处理 | 第33-37页 |
| 2.2.1 倾斜图像旋转对齐 | 第34-35页 |
| 2.2.2 三维非线性滤波降噪 | 第35-36页 |
| 2.2.3 三线性插值图像重构 | 第36-37页 |
| 2.3 基于概率图谱的肝脏粗分割 | 第37-40页 |
| 2.3.1 构造概率图谱 | 第38-39页 |
| 2.3.2 最大后验概率映射 | 第39-40页 |
| 2.3.3 非肝脏误差筛除 | 第40页 |
| 2.4 基于水平集技术的肝脏细分割 | 第40-47页 |
| 2.4.1 构造目标区域最大后验概率框架 | 第41-42页 |
| 2.4.2 构造形状 -灰度约束模型 | 第42-44页 |
| 2.4.3 水平集的形成与演化 | 第44-47页 |
| 2.5 实验结果与分析 | 第47-63页 |
| 2.5.1 实验数据描述 | 第47-48页 |
| 2.5.2 分割精度量化标准 | 第48-49页 |
| 2.5.3 正常肝脏分割结果 | 第49-53页 |
| 2.5.4 含肿瘤异常肝脏分割结果 | 第53-55页 |
| 2.5.5 MICCAI竞赛分割实验 | 第55-63页 |
| 2.6 本章小结 | 第63-64页 |
| 第3章 基于可变环形滤波器与支持向量机的肝脏肿瘤分类 | 第64-88页 |
| 3.1 引言 | 第64-65页 |
| 3.2 肝脏分割 | 第65-66页 |
| 3.3 可疑肝脏肿瘤检测 | 第66-73页 |
| 3.3.1 可变环形滤波器原型 | 第67-68页 |
| 3.3.2 基于二值距离转换的半径自适应技术 | 第68-70页 |
| 3.3.3 基于灰度权重转换的强化滤波技术 | 第70-73页 |
| 3.4 肝脏候选肿瘤提取 | 第73-76页 |
| 3.4.1 种子点提取 | 第73-75页 |
| 3.4.2 种子点迭代区域增长 | 第75-76页 |
| 3.5 候选肿瘤识别 | 第76-81页 |
| 3.5.1 阈值分类降低假阳性 | 第76-77页 |
| 3.5.2 特征选择与特征计算 | 第77-78页 |
| 3.5.3 基于支持向量机的肿瘤分类 | 第78-81页 |
| 3.6 实验结果与分析 | 第81-87页 |
| 3.6.1 实验数据描述 | 第81页 |
| 3.6.2 不同半径下滤波器的输出比较 | 第81-84页 |
| 3.6.3 原始滤波器与改进滤波器的诊断比较 | 第84-87页 |
| 3.7 本章小结 | 第87-88页 |
| 第4章 基于边界平滑与边界缺陷修复的肺分割 | 第88-109页 |
| 4.1 引言 | 第88-89页 |
| 4.2 胸部区域分割 | 第89-91页 |
| 4.3 肺实质粗分割 | 第91-94页 |
| 4.3.1 基于对角线的边界跟踪技术 | 第91-92页 |
| 4.3.2 基于最大代价路径的左右肺分离 | 第92-94页 |
| 4.4 肺实质细分割 | 第94-100页 |
| 4.4.1 基于弧长重采样的边界平滑算法 | 第94-97页 |
| 4.4.2 基于内凹点判断的边界修复算法 | 第97-100页 |
| 4.5 实验结果与分析 | 第100-108页 |
| 4.5.1 实验数据描述 | 第100页 |
| 4.5.2 实验度量标准 | 第100-101页 |
| 4.5.3 分割精度分析 | 第101-102页 |
| 4.5.4 计算复杂度分析 | 第102-106页 |
| 4.5.5 不同方法性能比较 | 第106-108页 |
| 4.6 本章小结 | 第108-109页 |
| 第5章 基于自适应模糊聚类技术的肺肿瘤分类 | 第109-127页 |
| 5.1 引言 | 第109-111页 |
| 5.2 肺肿瘤分割与管状结构消减 | 第111-113页 |
| 5.2.1 肺肿瘤粗分割 | 第111-112页 |
| 5.2.2 管状结构消减 | 第112-113页 |
| 5.3 肺肿瘤样本训练 | 第113-116页 |
| 5.3.1 特征选择与特征计算 | 第113-114页 |
| 5.3.2 改进的自适应模糊聚类 | 第114-116页 |
| 5.4 肺肿瘤分类检测 | 第116-120页 |
| 5.4.1 判别函数设计 | 第116-119页 |
| 5.4.2 基于马氏判别函数的检测分类 | 第119-120页 |
| 5.5 实验结果与分析 | 第120-126页 |
| 5.5.1 实验数据描述 | 第120-121页 |
| 5.5.2 实验度量标准 | 第121页 |
| 5.5.3 不同参数的性能比较 | 第121-123页 |
| 5.5.4 不同算法的性能比较 | 第123-126页 |
| 5.6 本章小结 | 第126-127页 |
| 结论 | 第127-129页 |
| 参考文献 | 第129-142页 |
| 攻读博士学位期间发表的论文及其他成果 | 第142-144页 |
| 致谢 | 第144-145页 |
| 个人简历 | 第145页 |