CT影像中肺结节的检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题背景与研究意义 | 第11-12页 |
| ·国内外研究进展及现状 | 第12-15页 |
| ·本文的内容安排 | 第15-17页 |
| 第二章 CT图像二维去噪处理 | 第17-22页 |
| ·引言 | 第17页 |
| ·新的噪声评估方案 | 第17-20页 |
| ·改进的高斯滤波 | 第20页 |
| ·实验结果与分析 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 肺实质二维分割 | 第22-29页 |
| ·引言 | 第22页 |
| ·本章算法流程图 | 第22-23页 |
| ·基于自适应阈值法的图像二值化 | 第23-25页 |
| ·基于形态学的肺实质提取及修补 | 第25-27页 |
| ·实验结果与分析 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第四章 肺结节二维检测 | 第29-51页 |
| ·引言 | 第29页 |
| ·本章算法流程图 | 第29-30页 |
| ·低噪声CT图像的肺结节提取方案 | 第30-35页 |
| ·反几何扩散滤波 | 第30-32页 |
| ·自适应阈值分割方案 | 第32-35页 |
| ·高噪声图像的肺结节提取方案 | 第35-36页 |
| ·基于海森矩阵的多尺度高斯滤波 | 第35-36页 |
| ·经验阈值分割法 | 第36页 |
| ·肺结节提取方案比较与分析 | 第36-38页 |
| ·一种可提取图像二维特征的连通域标记新算法 | 第38-43页 |
| ·算法流程图 | 第38-39页 |
| ·边界提取 | 第39页 |
| ·边界标记及边界特征提取 | 第39-40页 |
| ·边界归类与区域填充 | 第40页 |
| ·区域特征提取 | 第40-43页 |
| ·实验结果 | 第43页 |
| ·特征筛选与分类器设计 | 第43-50页 |
| ·特征筛选方案 | 第43-45页 |
| ·基于Fisher准则的线性分类器 | 第45-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 肺结节三维检测 | 第51-67页 |
| ·引言 | 第51页 |
| ·基于多特征融合跟踪的肺结节三维检测方法 | 第51-55页 |
| ·算法流程图 | 第52页 |
| ·基本思想 | 第52页 |
| ·获取特征矩阵 | 第52-53页 |
| ·特征融合与跟踪 | 第53-54页 |
| ·分类规则 | 第54页 |
| ·实验结果 | 第54-55页 |
| ·基于模糊连接度的血管三维提取方法 | 第55-64页 |
| ·算法流程图 | 第56页 |
| ·基本思想 | 第56页 |
| ·理论基础 | 第56-64页 |
| ·实验结果 | 第64页 |
| ·实验结果及分析 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第六章 肺结节自动检测系统 | 第67-75页 |
| ·引言 | 第67页 |
| ·肺结节自动检测系统 | 第67-70页 |
| ·系统结构 | 第67-68页 |
| ·系统程序流程 | 第68-69页 |
| ·系统功能模块 | 第69-70页 |
| ·基于肺结节自动检测系统的临床病例试验 | 第70-73页 |
| ·小结 | 第73-75页 |
| 第七章 结论 | 第75-77页 |
| ·论文的主要研究成果 | 第75-76页 |
| ·未来的研究方向 | 第76-77页 |
| 参考文献 | 第77-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |
