| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 发展历史与研究现状 | 第12-13页 |
| 1.2.1 肺部CAD的发展历史 | 第12页 |
| 1.2.2 肺部CAD的研究现状 | 第12-13页 |
| 1.3 肺部CAD系统结构 | 第13-14页 |
| 1.4 本文研究内容与组织结构 | 第14-17页 |
| 1.4.1 本文主要研究内容 | 第14-15页 |
| 1.4.2 本文组织结构 | 第15-17页 |
| 第2章 CT图像与DICOM标准分析 | 第17-23页 |
| 2.1 CT图像 | 第17-19页 |
| 2.1.1 CT图像产生的基本原理 | 第17页 |
| 2.1.2 CT图像的特点 | 第17-18页 |
| 2.1.3 HRCT | 第18-19页 |
| 2.2 DICOM标准 | 第19-23页 |
| 2.2.1 DICOM图像文件 | 第20页 |
| 2.2.2 DICOM标准的组成 | 第20-23页 |
| 第3章 肺实质边缘修补主要算法研究 | 第23-37页 |
| 3.1 利用数学形态学的肺实质边缘修补 | 第23-27页 |
| 3.1.1 数学形态学基本知识 | 第23-25页 |
| 3.1.2 利用数学形态学的肺实质边缘修补 | 第25页 |
| 3.1.3 肺实质修补填充实验结果与分析 | 第25-27页 |
| 3.2 基于链码差和bresenham法相结合的肺实质边缘修补 | 第27-36页 |
| 3.2.1 链码的基本知识 | 第28-31页 |
| 3.2.2 利用链码差来判断边界点的凹凸性 | 第31-32页 |
| 3.2.3 利用bresenham算法进行边缘凹陷修补 | 第32-35页 |
| 3.2.4 肺实质边缘修补实验与分析 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 基于Otsu和自适应边界点法向量的ROI分割算法研究 | 第37-49页 |
| 4.1 基于Otsu算法的ROI初步阈值分割 | 第37-41页 |
| 4.1.1 最大类间方差法(Otsu)阈值分割基本原理 | 第37-38页 |
| 4.1.2 基于Otsu算法的阈值分割的程序实现 | 第38-39页 |
| 4.1.3 实验结果 | 第39-41页 |
| 4.2 自适应边界点法向量的ROI提取算法 | 第41-48页 |
| 4.2.1 图像边界的提取方法 | 第42-43页 |
| 4.2.2 边界法向量方向计算 | 第43-44页 |
| 4.2.3 自适应直线投影距离叠加 | 第44-45页 |
| 4.2.4 类圆度高的图形的确定 | 第45-46页 |
| 4.2.5 对肺部图像的实验结果与分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 基于支持向量机的ROI不平衡数据分类器设计 | 第49-65页 |
| 5.1 支持向量机(SVM)的基本理论 | 第49-55页 |
| 5.1.1 结构风险最小化 | 第50-51页 |
| 5.1.2 最优分类面 | 第51-52页 |
| 5.1.3 支持向量机 | 第52-54页 |
| 5.1.4 核函数和惩罚系数的分析 | 第54-55页 |
| 5.2 基于支持向量机的不平衡数据分类设计 | 第55-63页 |
| 5.2.1 不平衡数据分类概述 | 第56-57页 |
| 5.2.2 基于SMOTE+SVM分类器设计 | 第57-59页 |
| 5.2.3 分类器biased SVM的原理 | 第59-60页 |
| 5.2.4 不平衡数据分类器评价 | 第60-61页 |
| 5.2.5 ROI不平衡实验结果与分析 | 第61-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
