基于多视图半监督流形学习的左房壁瘤体积直接估算
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 左房壁瘤的相关背景 | 第12-14页 |
| 1.1.1 左房壁瘤的概念和危害 | 第12页 |
| 1.1.2 左房壁瘤的影像学检查 | 第12-13页 |
| 1.1.3 左房壁瘤医学影像标准 | 第13-14页 |
| 1.2 研究左房壁瘤算法的意义 | 第14-15页 |
| 1.3 左房壁瘤体积计算的难点 | 第15-16页 |
| 1.4 本文主要研究工作 | 第16页 |
| 1.5 论文安排和本文贡献 | 第16-18页 |
| 第二章 医学中体积测量的方法 | 第18-28页 |
| 2.1 基于人工的体积测量 | 第18-20页 |
| 2.1.1 WHO评价标准 | 第18页 |
| 2.1.2 体视学方法 | 第18-19页 |
| 2.1.3 积分法 | 第19-20页 |
| 2.2 基于分割算法的体积测量 | 第20-25页 |
| 2.2.1 基于LSTK框架的肿瘤分割过程 | 第21-23页 |
| 2.2.2 基于LSTK框架的肿瘤体积测量 | 第23-24页 |
| 2.2.3 LSTK框架存在的问题 | 第24-25页 |
| 2.3 直接估算体积的测量方法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于单视图房壁瘤图像特征的体积直接估算 | 第28-44页 |
| 3.1 常用图像特征提取方法 | 第28-34页 |
| 3.1.1 HOG | 第28-30页 |
| 3.1.2 P-SIFT | 第30-33页 |
| 3.1.3 GIST | 第33-34页 |
| 3.2 基于多尺度三维形态学梯度的稀疏编码 | 第34-38页 |
| 3.3 利用随机森林直接估算体积 | 第38-39页 |
| 3.4 实验分析 | 第39-42页 |
| 3.4.1 房壁瘤数据集 | 第40页 |
| 3.4.2 评价标准 | 第40-41页 |
| 3.4.3 实验及结果分析 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于多视图半监督流形学习的体积直接估算 | 第44-60页 |
| 4.1 相关方法 | 第45-47页 |
| 4.1.1 流形学习 | 第45-47页 |
| 4.1.2 半监督学习 | 第47页 |
| 4.2 多视图半监督流形学习 | 第47-51页 |
| 4.3 实验分析 | 第51-58页 |
| 4.3.1 实现细节 | 第51-52页 |
| 4.3.2 评价标准 | 第52页 |
| 4.3.3 实验及结果分析 | 第52-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-64页 |
| 5.1 本文工作总结 | 第60-61页 |
| 5.2 未来研究展望 | 第61-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间的科研成果 | 第72页 |
