摘要 | 第3-6页 |
Abstract | 第6-9页 |
第一章 绪论 | 第13-28页 |
1.1 课题研究背景 | 第13-15页 |
1.2 国内外CAD系统研究现状 | 第15-23页 |
1.2.1 CAD系统研究概述 | 第15-18页 |
1.2.2 医学影像CAD系统主要研究方法 | 第18-21页 |
1.2.3 存在问题 | 第21-23页 |
1.3 本文主要研究内容 | 第23-26页 |
1.3.1 技术研究路线 | 第23-25页 |
1.3.2 研究内容 | 第25-26页 |
1.4 论文结构安排 | 第26-28页 |
第二章 医学影像辅助诊断平台 | 第28-50页 |
2.1 引言 | 第28页 |
2.2 输入医学影像 | 第28-37页 |
2.2.1 医学影像模态 | 第28-30页 |
2.2.2 医学影像解析与渲染 | 第30-37页 |
2.3 医学影像预处理 | 第37-40页 |
2.3.1 CT影像预处理 | 第37-38页 |
2.3.2 MRI影像预处理 | 第38-39页 |
2.3.3 超声影像预处理 | 第39-40页 |
2.4 感兴趣区域获取 | 第40-42页 |
2.5 特征提取 | 第42-48页 |
2.5.1 一阶统计特征 | 第42-43页 |
2.5.2 形态学特征 | 第43-44页 |
2.5.3 纹理特征 | 第44-47页 |
2.5.4 特征计算与输出 | 第47-48页 |
2.6 总结 | 第48-50页 |
第三章 统计特征在直肠癌辅助诊断中的应用研究 | 第50-65页 |
3.1 引言 | 第50页 |
3.2 医学统计与评估的理论基础 | 第50-53页 |
3.2.1 医学统计理论基础 | 第50-52页 |
3.2.2 医学评估理论基础 | 第52-53页 |
3.3 直肠癌上ADC一阶和二阶纹理特征对病理因素的表征 | 第53-63页 |
3.3.1 研究背景 | 第53-55页 |
3.3.2 临床资料 | 第55页 |
3.3.3 影像学检查 | 第55-56页 |
3.3.4 影像分析及特征提取 | 第56-57页 |
3.3.5 病理结果 | 第57页 |
3.3.6 统计学分析策略 | 第57-58页 |
3.3.7 结果及分析 | 第58-63页 |
3.4 小结 | 第63-65页 |
第四章 基于IBS的医学影像交叉对比神经网络设计与性能验证 | 第65-84页 |
4.1 引言 | 第65页 |
4.2 深度学习理论基础 | 第65-76页 |
4.2.2 神经网络 | 第66-71页 |
4.2.3 卷积神经网络 | 第71-76页 |
4.3 IBS简介 | 第76-80页 |
4.3.1 IBS方法原理 | 第76-78页 |
4.3.2 深入理解IBS | 第78-79页 |
4.3.3 改进IBS方法 | 第79-80页 |
4.4 医学交叉对比网络 | 第80-83页 |
4.4.1 提出网络 | 第80-81页 |
4.4.2 网络详解 | 第81-82页 |
4.4.3 网络训练与预测 | 第82-83页 |
4.5 小结 | 第83-84页 |
第五章 CCNN在肝部疾病上辅助诊断效能研究 | 第84-99页 |
5.1 引言 | 第84页 |
5.2 CCNN在肝纤维化程度预判中的应用研究 | 第84-94页 |
5.2.1 肝纤维化概述 | 第84-85页 |
5.2.2 肝纤维化分期标准 | 第85-86页 |
5.2.3 临床资料 | 第86页 |
5.2.4 影像学检查 | 第86-87页 |
5.2.5 影像预处理 | 第87-89页 |
5.2.6 实验结果及分析 | 第89-94页 |
5.3 CCNN在HCC和ICC诊断分类中的应用研究 | 第94-98页 |
5.3.1 原发性肝癌概述 | 第94-95页 |
5.3.2 临床资料 | 第95-96页 |
5.3.3 实验结果及分析 | 第96-98页 |
5.4 小结 | 第98-99页 |
第六章 总结与展望 | 第99-102页 |
6.1 全文总结 | 第99-100页 |
6.2 未来研究展望 | 第100-102页 |
参考文献 | 第102-114页 |
致谢 | 第114-116页 |
攻读博士期间所获成果 | 第116-117页 |
攻读博士期间参研项目列表 | 第117-118页 |