| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题的来源与研究目的 | 第13页 |
| 1.2 研究背景与研究意义 | 第13-15页 |
| 1.3 CAD系统概述 | 第15-18页 |
| 1.3.1 CAD的发展 | 第15页 |
| 1.3.2 国内外研究现状 | 第15-17页 |
| 1.3.3 肺结节检测的发展 | 第17-18页 |
| 1.4 CAD的关键技术 | 第18-20页 |
| 1.4.1 图像增强 | 第18-19页 |
| 1.4.2 图像分割 | 第19页 |
| 1.4.3. 特征提取 | 第19页 |
| 1.4.4 特征分类 | 第19-20页 |
| 1.5 论文的主要内容 | 第20-23页 |
| 第二章 相关基础知识 | 第23-29页 |
| 2.1 X光图像的成像原理 | 第23页 |
| 2.2 CT图像的相关基础知识 | 第23-26页 |
| 2.2.1 CT图像 | 第23-24页 |
| 2.2.2 肺部的CT图像 | 第24-25页 |
| 2.2.3 结节的CT征象 | 第25-26页 |
| 2.3 医学诊断的相关知识 | 第26-27页 |
| 2.3.1 医学诊断实验的评估标准 | 第26-27页 |
| 2.3.2 医学诊断实验的评估方法 | 第27页 |
| 2.4 图像分割的准确性评估 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于有序均匀视点重构技术的CT图像肺结节检算法研究 | 第29-53页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于有序均匀重构技术的CT图像肺结节检测算法 | 第30-47页 |
| 3.2.1 候选结节的初始检测 | 第31-37页 |
| 3.2.2 使用SUVR技术生成二维再生图像 | 第37-40页 |
| 3.2.3 二维再生图像中候选结节的分割 | 第40-42页 |
| 3.2.4 二维再生图像中候选结节的特征提取 | 第42-43页 |
| 3.2.5 使用分段线性分类器除去假阳性结节 | 第43-47页 |
| 3.3 实验结果及分析 | 第47-51页 |
| 3.3.1 视点个数对结节检测性能的影响 | 第47-48页 |
| 3.3.2 二维再生图像的百分比阈值对检测性能的影响 | 第48-49页 |
| 3.3.3 规则对检测时间和性能的影响 | 第49-50页 |
| 3.3.4 各种算法检测性能的比较 | 第50-51页 |
| 3.4 讨论 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 利用局部和全局信息的高性能CT图像肺结节检测算法研究 | 第53-63页 |
| 4.1 引言 | 第53-54页 |
| 4.2 利用局部和全局信息的高性能CT图像肺结节检测算法 | 第54-57页 |
| 4.2.1 基于局部和全局信息的特征提取 | 第55页 |
| 4.2.2 基于信息融合的分类检测算法 | 第55-57页 |
| 4.3 实验结果及分析 | 第57-60页 |
| 4.3.1 各种信息融合方法的检测性能比较 | 第57-58页 |
| 4.3.2 利用不同信息的配对样本均值t检验 | 第58-60页 |
| 4.4 讨论 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 结节分割性能与检测性能关系的研究 | 第63-83页 |
| 5.1 引言 | 第63-64页 |
| 5.2 肺结节的分割 | 第64-75页 |
| 5.2.1 图像预处理 | 第65-66页 |
| 5.2.2 基于经验阈值的分割算法 | 第66页 |
| 5.2.3 基于OTSU闽值的分割算法 | 第66-67页 |
| 5.2.4 基于模糊C均值聚类的分割算法 | 第67-68页 |
| 5.2.5 基于高斯混合模型的分割算法 | 第68-71页 |
| 5.2.6 基于CV模型的分割算法 | 第71-75页 |
| 5.3 实验结果及分析 | 第75-80页 |
| 5.3.1 不同分割算法的分割结果 | 第75-78页 |
| 5.3.2 基于不同分割算法的结节检测性能分析 | 第78页 |
| 5.3.3 基于同种分割算法、不同参数的结节检测性能分析 | 第78-80页 |
| 5.4 讨论 | 第80-81页 |
| 5.5 本章小结 | 第81-83页 |
| 第六章 基于多投影相关图像的肺结节检测算法研究 | 第83-103页 |
| 6.1 引言 | 第83-85页 |
| 6.2 基于多投影相关图像的结节检测算法 | 第85-98页 |
| 6.2.1 候选结节的初始检测 | 第85-88页 |
| 6.2.2 基于动态规划的候选结节分割 | 第88-91页 |
| 6.2.3 特征提取 | 第91-93页 |
| 6.2.4 使用分段线性分类器去除假阳性结节 | 第93-94页 |
| 6.2.5 候选结节的配准 | 第94-96页 |
| 6.2.6 使用候选结节的相关信息除去假阳性结节 | 第96-97页 |
| 6.2.7 图像配准的评价方法 | 第97-98页 |
| 6.3 实验结果及分析 | 第98-100页 |
| 6.3.1 图像配准评价的结果 | 第98-99页 |
| 6.3.2 结节的初始检测性能 | 第99页 |
| 6.3.3 传统CAD算法与融合CAD算法的结节检测性能 | 第99-100页 |
| 6.4 讨论 | 第100-102页 |
| 6.5 本章小结 | 第102-103页 |
| 第七章 总结与展望 | 第103-107页 |
| 7.1 全文总结 | 第103-104页 |
| 7.2 未来工作展望 | 第104-107页 |
| 参考文献 | 第107-119页 |
| 致谢 | 第119-121页 |
| 攻读博士学位期间参加的科研工作 | 第121-123页 |
| 攻读博士学位期间发表的论文与专利 | 第123-125页 |
| 个人简介 | 第125页 |
