基于多期肝脏CT图像的CAD系统的设计与实现
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第1章 绪论 | 第14-23页 |
| ·课题背景与研究意义 | 第14-15页 |
| ·计算机辅助诊断 | 第15-20页 |
| ·医学CT 图像 | 第15-17页 |
| ·计算机辅助诊断 | 第17-18页 |
| ·计算机辅助诊断流程 | 第18-20页 |
| ·肝脏计算机辅助诊断 | 第20页 |
| ·论文主要工作以及章节安排 | 第20-23页 |
| ·论文主要工作 | 第20-21页 |
| ·论文章节安排 | 第21-23页 |
| 第2章 图像预处理 | 第23-34页 |
| ·引言 | 第23页 |
| ·图像分割 | 第23-26页 |
| ·算法概述 | 第23-24页 |
| ·算法流程 | 第24-26页 |
| ·图像配准 | 第26-33页 |
| ·算法概述 | 第27页 |
| ·算法流程 | 第27-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 图像检测 | 第34-42页 |
| ·引言 | 第34页 |
| ·小波变换 | 第34-37页 |
| ·波和小波 | 第34-35页 |
| ·定义 | 第35-36页 |
| ·小波变换的特点 | 第36-37页 |
| ·GABOR 变换 | 第37-41页 |
| ·窗函数 | 第37-38页 |
| ·连续Gabor 变换 | 第38-40页 |
| ·离散Gabor 变换 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 特征提取 | 第42-51页 |
| ·引言 | 第42页 |
| ·分散图 | 第42-44页 |
| ·分散图的建立 | 第42-44页 |
| ·分散图的优点 | 第44页 |
| ·基于分散图的特征提取 | 第44-47页 |
| ·基于基准线的特征 | 第45-46页 |
| ·基于重心的特征 | 第46-47页 |
| ·基于分散图的一阶统计特征提取 | 第47-49页 |
| ·一阶统计特征 | 第48-49页 |
| ·时序特征提取 | 第49-50页 |
| ·信号相对密度 | 第49页 |
| ·密度变化趋势 | 第49页 |
| ·信号增强率 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 分类器 | 第51-55页 |
| ·引言 | 第51页 |
| ·人工神经网络分类器 | 第51-54页 |
| ·基本特征 | 第52页 |
| ·神经元 | 第52-53页 |
| ·反向传播学习算法 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 计算机辅助诊断系统的开发与实现 | 第55-64页 |
| ·引言 | 第55页 |
| ·肝脏计算机辅助诊断系统架构 | 第55-58页 |
| ·系统架构 | 第55-56页 |
| ·视觉化工具库 | 第56-58页 |
| ·肝脏计算机辅助诊断系统模块设计 | 第58-62页 |
| ·多期CT 图像的读取与显示 | 第58-59页 |
| ·ROI 自动提取模块 | 第59-60页 |
| ·特征提取模块 | 第60-61页 |
| ·分类器模块 | 第61-62页 |
| ·辅助系统的实现 | 第62-63页 |
| ·基于Python 脚本的实验系统 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第7章 实验结果与分析 | 第64-82页 |
| ·引言 | 第64页 |
| ·实验环境及实验数据 | 第64-65页 |
| ·实验软硬件环境 | 第64页 |
| ·实验数据 | 第64-65页 |
| ·实验方法 | 第65-67页 |
| ·分类与验证 | 第65-66页 |
| ·ROC 曲线 | 第66-67页 |
| ·结果与分析 | 第67-81页 |
| ·肝脏分割配准与自动检测 | 第67-75页 |
| ·基于分散图的特征向量分类实验结果与分析 | 第75-81页 |
| ·本章小结 | 第81-82页 |
| 第8章 结论与展望 | 第82-84页 |
| ·工作总结 | 第82页 |
| ·未来展望 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 符号与标记（附录1） | 第89-91页 |
| 致谢 | 第91-92页 |
| 攻读硕士学位期间已发表论文 | 第92页 |
