| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 图表清单 | 第12-14页 |
| 英语缩略词 | 第14-16页 |
| 第一章 绪论 | 第16-29页 |
| ·课题研究背景和意义 | 第16-17页 |
| ·课题研究现状和现有问题 | 第17-25页 |
| ·课题的研究现状 | 第18-24页 |
| ·课题研究的现有问题 | 第24-25页 |
| ·课题研究目标和研究内容 | 第25-26页 |
| ·论文结构和章节安排 | 第26-29页 |
| 第二章 肺结节自动识别系统 | 第29-40页 |
| ·引言 | 第29页 |
| ·肺癌三维计算机辅助诊断系统 | 第29-31页 |
| ·CT/PET 图像的配准与融合 | 第31页 |
| ·三维可视化 | 第31-32页 |
| ·肺结节自动识别的平台 | 第32-39页 |
| ·图像数据的获取 | 第32-33页 |
| ·图像的预处理 | 第33-36页 |
| ·候选感兴趣区域的分割 | 第36-38页 |
| ·候选感兴趣区域的特征提取与选择 | 第38-39页 |
| ·肺结节的识别 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第三章 候选感兴趣区域的特征提取与选择 | 第40-56页 |
| ·引言 | 第40-41页 |
| ·肺结节的临床病理特征及医学征象 | 第41-44页 |
| ·肺结节的生长过程 | 第41-42页 |
| ·肺结节的病理特征及医学征象 | 第42-44页 |
| ·肺结节特征的定量分析与提取 | 第44-52页 |
| ·灰度特征 | 第45页 |
| ·形态特征 | 第45-49页 |
| ·位置特征 | 第49-50页 |
| ·纹理特征 | 第50-52页 |
| ·特征的选择 | 第52-55页 |
| ·基于欧式距离可分性的特征选择判据 | 第52-53页 |
| ·特征选择的方法 | 第53-54页 |
| ·验证PCA 方法的可分性 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于知识和SVM 的肺结节自动识别 | 第56-83页 |
| ·引言 | 第56-57页 |
| ·基于知识的肺结节自动识别 | 第57-60页 |
| ·基于知识的分类器 | 第57-58页 |
| ·基于知识的分类器的实验结果与分析 | 第58-60页 |
| ·结合规则、PCA 与SVM 方法的肺结节自动识别 | 第60-82页 |
| ·基于规则的分类器 | 第60-64页 |
| ·结合PCA 与SVM 方法的分类器 | 第64-73页 |
| ·分类器的分类结果 | 第73-77页 |
| ·分类器的实验结果与分析 | 第77-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 肺结节不平衡数据集的分类 | 第83-103页 |
| ·引言 | 第83-84页 |
| ·基础知识 | 第84-86页 |
| ·不平衡数据集 | 第84-85页 |
| ·评价标准 | 第85-86页 |
| ·集成SVM(ESVM)分类器 | 第86-88页 |
| ·ESVM 分类器 | 第86-87页 |
| ·ESVM 分类器的分类结果 | 第87-88页 |
| ·基于网格搜索的代价敏感的支持向量机(CSVM)分类器 | 第88-97页 |
| ·基于网格搜索的CSVM 分类器 | 第88-90页 |
| ·基于网格搜索的CSVM 分类器的分类结果 | 第90-97页 |
| ·分类器的分类性能比较及实验结果与分析 | 第97-102页 |
| ·分类器的分类性能比较 | 第97-99页 |
| ·基于网格搜索的CSVM 分类器的实验结果与分析 | 第99-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-106页 |
| 论文的主要研究成果 | 第103-104页 |
| 未来工作的展望 | 第104-106页 |
| 参考文献 | 第106-119页 |
| 攻读博士学位期间取得的研究成果 | 第119-121页 |
| 致谢 | 第121-122页 |
| 附件 | 第122页 |