| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究内容及主要工作 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第二章 肺结节检测理论基础 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 肺实质分割 | 第19-26页 |
| 2.2.1 基于阈值的肺实质分割 | 第19-20页 |
| 2.2.2 基于区域生长的肺实质分割 | 第20-21页 |
| 2.2.3 基于边缘的图像分割 | 第21-22页 |
| 2.2.4 基于图的图像分割 | 第22-26页 |
| 2.3 疑似肺结节提取 | 第26-27页 |
| 2.4 剔除假阳性结节 | 第27-30页 |
| 2.4.1 支持向量机(SVM) | 第28-29页 |
| 2.4.2 随机森林 | 第29-30页 |
| 2.5 深度学习 | 第30-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 肺实质分割 | 第35-42页 |
| 3.1 数据集与实验环境 | 第35页 |
| 3.2 数据预处理 | 第35页 |
| 3.3 基于目标定位的GrabCut的肺实质分割算法 | 第35-36页 |
| 3.4 实验方案与结果分析 | 第36-39页 |
| 3.5 实验评价 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 疑似肺结节提取 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 U-Net介绍 | 第42-44页 |
| 4.3 不同损失函数实验对比 | 第44-48页 |
| 4.4 U-Net分割结果 | 第48-49页 |
| 4.5 全连接条件随机场优化分割结果 | 第49-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 剔除假阳性结节 | 第53-61页 |
| 5.1 引言 | 第53页 |
| 5.2 特征提取 | 第53-56页 |
| 5.3 实验方案 | 第56-58页 |
| 5.3.1 本文网络结构 | 第56-57页 |
| 5.3.2 卷积神经网络 | 第57-58页 |
| 5.4 实验结果分析 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |