基于超像素的肺部GGO征象检测方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究现状与问题 | 第11-13页 |
| 1.2.1 研究现状 | 第11-12页 |
| 1.2.2 研究问题 | 第12-13页 |
| 1.3 研究目标与研究内容 | 第13-14页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 1.3.3 主要问题和难点 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 GGO检测方法综述 | 第16-31页 |
| 2.1 预处理 | 第16-19页 |
| 2.1.1 肺实质分割 | 第16-17页 |
| 2.1.1.1 阈值法 | 第16-17页 |
| 2.1.2 图像增强 | 第17-19页 |
| 2.2 候选区域检测 | 第19-23页 |
| 2.2.1 基于灰度的方法 | 第20-21页 |
| 2.2.2 基于形状的方法 | 第21-22页 |
| 2.2.3 基于模型的方法 | 第22-23页 |
| 2.2.4 基于切片相似度的方法 | 第23页 |
| 2.3 GGO提取 | 第23-28页 |
| 2.3.1 特征提取 | 第23-25页 |
| 2.3.2 分类 | 第25-28页 |
| 2.4 效果评估 | 第28-30页 |
| 2.4.1 数据库 | 第28-29页 |
| 2.4.2 评判标准 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于SLIC超像素算法的候选区域检测 | 第31-46页 |
| 3.1 引言 | 第31-34页 |
| 3.2 本文方法 | 第34-42页 |
| 3.2.1 图像预处理 | 第35-38页 |
| 3.2.2 SLIC分割 | 第38-42页 |
| 3.3 实验 | 第42-45页 |
| 3.3.1 实验设置 | 第42页 |
| 3.3.2 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于SVM的GGO结节提取 | 第46-57页 |
| 4.1 引言 | 第46-47页 |
| 4.2 本文方法 | 第47-54页 |
| 4.2.1 假阳性区域去除 | 第49-52页 |
| 4.2.2 基于SVM的GGO结节识别 | 第52-54页 |
| 4.3 实验 | 第54-56页 |
| 4.3.1 实验设置 | 第54页 |
| 4.3.2 实验结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 攻读学位期间发表论文与研究成果清单 | 第66-67页 |
| 致谢 | 第67页 |
