| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题的研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 肺结节检测CAD系统的医学影像知识分析 | 第14-17页 |
| 1.3.1 CT图像介绍 | 第14-15页 |
| 1.3.2 医学影像DICOM 3.0标准 | 第15-16页 |
| 1.3.3 肺部CAD系统结构 | 第16-17页 |
| 1.4 本论文研究内容和组织结构 | 第17-19页 |
| 第2章 基于粒子群和二维OTSU方法的肺实质分割算法研究 | 第19-37页 |
| 2.1 肺部CT图像分析及自动阈值分割算法分析 | 第19-25页 |
| 2.1.1 一维Otsu阈值选择法 | 第20-23页 |
| 2.1.2 二维Otsu阈值选择法 | 第23-25页 |
| 2.2 粒子群优化算法研究 | 第25-26页 |
| 2.3 基于粒子群优化和二维Otsu阈值选择的肺实质分割 | 第26-31页 |
| 2.3.1 基于PSO+2d Otsu的肺实质初分割 | 第26-28页 |
| 2.3.2 完整的肺实质分割流程 | 第28-31页 |
| 2.4 实验结果与分析 | 第31-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 GGO候选区域分割算法研究及ROI特征提取与分析 | 第37-57页 |
| 3.1 GGO候选区域的提取原理和方法 | 第38-47页 |
| 3.1.1 肺部CT图像的预处理 | 第38-41页 |
| 3.1.2 基于灰度共生矩阵纹理分析的GGO候选区域分割算法研究 | 第41-43页 |
| 3.1.3 基于多尺度三维Hessian矩阵的血管增强算法 | 第43-47页 |
| 3.2 GGO候选区域的特征提取 | 第47-51页 |
| 3.2.1 灰度特征提取 | 第47-48页 |
| 3.2.2 形态特征提取 | 第48-51页 |
| 3.2.3 空间特征 | 第51页 |
| 3.3 GGO候选区域分割结果与分析 | 第51-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第4章 基于支持向量机的肺部ROI不平衡数据分类器设计 | 第57-71页 |
| 4.1 支持向量机(SVM)的基本理论 | 第57-61页 |
| 4.1.1 结构风险最小化 | 第58页 |
| 4.1.2 支持向量机 | 第58-60页 |
| 4.1.3 核函数 | 第60-61页 |
| 4.2 基于支持向量机的不平衡数据分类器设计 | 第61-68页 |
| 4.2.1 不平衡数据分类概述 | 第61-62页 |
| 4.2.2 基于SMOTE+SVM分类器设计 | 第62-64页 |
| 4.2.3 基于RU+SMOTE+SVM分类器设计 | 第64-66页 |
| 4.2.4 不平衡数据分类器的评价 | 第66-68页 |
| 4.3 ROI不平衡数据分类实验结果与分析 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 肺癌CAD系统的设计与实现 | 第71-79页 |
| 5.1 肺癌CAD系统的概述 | 第71页 |
| 5.2 系统的安装 | 第71-73页 |
| 5.3 肺癌CAD系统的模块设计 | 第73-75页 |
| 5.4 肺癌CAD系统开发界面及功能 | 第75-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87页 |
