基于肺部图像分类的肺结节检测技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 引言 | 第11-17页 |
| ·课题背景 | 第11页 |
| ·问题提出及描述 | 第11-12页 |
| ·相关工作 | 第12-14页 |
| ·本文研究思路及组织结构 | 第14-17页 |
| 第2章 图像分割技术与肺结节检测算法综述 | 第17-31页 |
| ·基于阈值的分割 | 第17-19页 |
| ·直方图法 | 第17-18页 |
| ·大津方法 | 第18-19页 |
| ·基于边缘的分割方法 | 第19-20页 |
| ·基于一阶导数的边缘算子 | 第19-20页 |
| ·基于二阶导数的边缘算子 | 第20页 |
| ·基于区域的分割方法 | 第20-22页 |
| ·区域生长法 | 第21-22页 |
| ·分裂合并法 | 第22页 |
| ·水平集的方法 | 第22-28页 |
| ·曲线演化理论 | 第23-24页 |
| ·水平集方法 | 第24-28页 |
| ·肺结节检测算法 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于形态学和水平集的肺实质分割 | 第31-43页 |
| ·基于数学形态学的肺部轮廓窄带提取 | 第31-36页 |
| ·数学形态学方法 | 第31-33页 |
| ·灰度级图像扩展 | 第33-36页 |
| ·肺部轮廓窄带的提取 | 第36页 |
| ·基于水平集的肺实质分割 | 第36-41页 |
| ·无需重新初始化的水平集方法(LI方法) | 第36-38页 |
| ·肺实质分割 | 第38-41页 |
| ·实验结果及其分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 疑似肺结节检测及特征提取 | 第43-55页 |
| ·疑似肺结节检测 | 第43-44页 |
| ·改进的轮廓跟踪算法 | 第43-44页 |
| ·实验结果 | 第44页 |
| ·特征提取 | 第44-53页 |
| ·肺结节特征分析 | 第45-46页 |
| ·疑似肺结节特征提取 | 第46-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 基于支持向量机的肺结节分类 | 第55-65页 |
| ·统计学习理论 | 第55-56页 |
| ·支持向量机简介 | 第56-57页 |
| ·SVM算法介绍 | 第57-63页 |
| ·线性可分 | 第57-60页 |
| ·近似线性可分 | 第60-61页 |
| ·非线性可分 | 第61-62页 |
| ·核函数的选择 | 第62-63页 |
| ·SVM在肺结节分类中的应用 | 第63页 |
| ·实验结果及其分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻硕期间参加的项目 | 第75页 |
