首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--机器辅助技术论文

恶性肺结节计算机辅助诊断关键技术研究

摘要第5-7页
Abstract第7-9页
第一章 绪论第13-35页
    1.1 背景与意义第13-16页
    1.2 计算机辅助诊断关键技术的研究现状第16-27页
        1.2.1 计算机辅助诊断的发展历程第16-18页
        1.2.2 肺结节分割算法的研究现状第18-25页
        1.2.3 肺结节良恶性分类算法的研究现状第25-27页
    1.3 算法的评价指标体系第27-29页
        1.3.1 分割算法的评价指标体系第27-28页
        1.3.2 分类算法的评价指标体系第28-29页
    1.4 课题研究中存在的问题第29-30页
    1.5 课题研究的内容和贡献第30-33页
        1.5.1 课题研究的内容第30-31页
        1.5.2 课题研究的贡献第31-33页
    1.6 论文结构和章节安排第33-35页
第二章 基于改进的随机游走GGO肺结节分割算法第35-55页
    2.1 引言第35页
    2.2 算法框架第35-37页
    2.3 CT图像预处理第37-41页
    2.4 种子点的自动选取第41-43页
    2.5 8-邻域加权函数的构造第43-46页
    2.6 能量函数的定义与优化第46-47页
    2.7 实验结果与分析第47-53页
        2.7.1 LIDC数据库第48-49页
        2.7.2 参数估计第49-50页
        2.7.3 分割结果的定性分析与对比第50-51页
        2.7.4 分割结果的定量分析与对比第51-53页
    2.8 本章小节第53-55页
第三章 基于稀疏表示和随机游走GGO肺结节分割算法第55-77页
    3.1 引言第55页
    3.2 SRRW算法框架第55-56页
    3.3 CT图像预处理第56-58页
    3.4 种子点的自动选取第58-59页
    3.5 SRRW算法加权函数的构造第59-65页
        3.5.1 8-邻域加权函数的构造第60-62页
        3.5.2 稀疏k-NN加权函数的构造第62-65页
    3.6 SRRW算法能量函数的定义第65-66页
    3.7 实验结果与分析第66-75页
        3.7.1 参数估计第66-68页
        3.7.2 分割结果的定性分析与对比第68-72页
        3.7.3 分割结果的定量分析与对比第72-73页
        3.7.4 分割算法的比较与讨论第73-75页
    3.8 本章小节第75-77页
第四章 基于放射影像组学和随机森林肺结节良恶性分类算法第77-109页
    4.1 引言第77页
    4.2 算法框架第77-78页
    4.3 肺结节临床表征特征提取第78-81页
    4.4 肺结节影像学特征提取第81-96页
        4.4.1 肺结节的灰度特征第81-85页
        4.4.2 肺结节的纹理特征第85-93页
        4.4.3 肺结节的几何形态特征第93-96页
    4.5 随机森林预测模型的构建第96-99页
    4.6 实验结果与分析第99-108页
        4.6.1 参数估计第99-100页
        4.6.2 分类结果的分析与对比第100-105页
        4.6.3 分类算法的比较与讨论第105-108页
    4.7 本章小节第108-109页
第五章 基于迭代的标签传播肺结节良恶性分类算法第109-121页
    5.1 引言第109页
    5.2 算法框架第109-111页
    5.3 k-NN图的构造第111-112页
    5.4 代价函数的定义第112-115页
    5.5 实验结果与分析第115-119页
        5.5.1 分类结果的分析与对比第115-118页
        5.5.2 分类算法的比较与讨论第118-119页
    5.6 本章小节第119-121页
结论与展望第121-123页
参考文献第123-136页
攻读博士学位期间取得的研究成果第136-137页
致谢第137-138页
附件第138页

论文共138页,点击 下载论文
上一篇:探测复杂疾病临界点的算法
下一篇:语义物联网中事件驱动的服务发现关键问题研究