摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第13-25页 |
1.1 研究背景和意义 | 第13-16页 |
1.2 研究现状和存在问题 | 第16-20页 |
1.2.1 国外研究现状 | 第16-18页 |
1.2.2 国内研究现状 | 第18-19页 |
1.2.3 存在问题 | 第19-20页 |
1.3 研究目标和内容 | 第20-21页 |
1.4 论文结构及技术路线 | 第21-25页 |
第2章 肺结节识别方法综述 | 第25-47页 |
2.1 结节候选区提取方法综述 | 第26-35页 |
2.1.1 基于阈值的结节候选区提取方法 | 第26-27页 |
2.1.2 基于数学形态学的结节候选区提取方法 | 第27-29页 |
2.1.3 基于聚类的结节候选区提取方法 | 第29-30页 |
2.1.4 基于分类的结节候选区提取方法 | 第30-31页 |
2.1.5 基于形态的结节候选区提取方法 | 第31-35页 |
2.2 降低假阳性方法综述 | 第35-41页 |
2.2.1 特征计算 | 第35-36页 |
2.2.2 特征选择 | 第36-37页 |
2.2.3 分类方法综述 | 第37-41页 |
2.3 评价标准 | 第41-43页 |
2.4 现有肺结节识别方法性能综述 | 第43-44页 |
2.5 本章小结 | 第44-47页 |
第3章 基于多角度增强图像的肺结节检测 | 第47-67页 |
3.1 基础理论 | 第48-55页 |
3.1.1 二维圆点增强滤波器 | 第48-50页 |
3.1.2 C-SVM | 第50-55页 |
3.2 基于二维图像增强的肺结节识别 | 第55-62页 |
3.2.1 基于多角度增强图像的候选区提取 | 第56-59页 |
3.2.2 ROI候选特征提取 | 第59-61页 |
3.2.3 判定规则 | 第61-62页 |
3.3 结果与分析 | 第62-65页 |
3.3.1 实验数据 | 第62页 |
3.3.2 实验环境 | 第62-63页 |
3.3.3 实验方案 | 第63页 |
3.3.4 结果与讨论 | 第63-65页 |
3.4 本章小结 | 第65-67页 |
第4章 基于K-L变换和CS-SVM的三维肺结节识别 | 第67-93页 |
4.1 基础理论 | 第69-70页 |
4.1.1 K-L变换 | 第69-70页 |
4.1.2 CS-SVM | 第70页 |
4.2 三维肺结节候选区分割方法 | 第70-77页 |
4.3 去除假阳性肺结节 | 第77-82页 |
4.3.1 特征计算 | 第77-80页 |
4.3.2 基于K-L变换和CS-SVM的去除假阳性方法 | 第80-82页 |
4.4 实验结果和分析 | 第82-91页 |
4.4.1 实验数据 | 第82页 |
4.4.2 实验方案 | 第82-84页 |
4.4.3 结果及讨论 | 第84-91页 |
4.5 本章小结 | 第91-93页 |
第5章 一种多尺度三维肺结节增强滤波器 | 第93-113页 |
5.1 三维肺结节增强算法的实现 | 第95-104页 |
5.1.1 去除噪声干扰 | 第95-98页 |
5.1.2 计算预增强系数 | 第98-101页 |
5.1.3 计算增强密度指数 | 第101-104页 |
5.2 实验结果和分析 | 第104-112页 |
5.2.1 实验数据集 | 第104页 |
5.2.2 实验方案 | 第104-105页 |
5.2.3 结果与讨论 | 第105-112页 |
5.3 本章小结 | 第112-113页 |
第6章 基于血管排除的去假阳性研究 | 第113-123页 |
6.1 肺血管检测研究现状 | 第113-115页 |
6.2 血管检测算法 | 第115-119页 |
6.2.1 血管增强滤波器 | 第115-118页 |
6.2.2 去除类球体响应 | 第118-119页 |
6.3 肺结节检测框架 | 第119-120页 |
6.4 实验及结果 | 第120-122页 |
6.5 本章小结 | 第122-123页 |
第7章 全文总结与展望 | 第123-127页 |
7.1 本文的主要研究成果 | 第123-125页 |
7.2 未来工作展望 | 第125-127页 |
参考文献 | 第127-139页 |
致谢 | 第139-141页 |
攻读学位期间发表的论文及科研工作 | 第141-143页 |
作者简介 | 第143-144页 |
附件 | 第144页 |