| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 医学图像分割 | 第11-13页 |
| 1.2.2 医学图像特征提取与量化 | 第13-14页 |
| 1.3 课题来源及主要研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 肺部CT图像处理综述 | 第16-20页 |
| 2.1 肺部CT图像基本处理流程 | 第16页 |
| 2.2 肺部CT图像分割原理 | 第16-17页 |
| 2.3 肺部CT图像分割方法 | 第17-20页 |
| 2.3.1 基于阈值的分割方法 | 第17页 |
| 2.3.2 基于区域的分割方法 | 第17-18页 |
| 2.3.3 基于边缘的分割方法 | 第18-19页 |
| 2.3.4 基于特定理论的分割方法 | 第19-20页 |
| 第三章 基于超像素和密度聚类的序列肺结节图像分割方法 | 第20-46页 |
| 3.1 肺部CT图像预处理 | 第20-22页 |
| 3.1.1 序列肺实质图像分割 | 第20-21页 |
| 3.1.2 AIP序列图像获取 | 第21页 |
| 3.1.3 多尺度圆点增强 | 第21-22页 |
| 3.2 六边形聚簇和形态学优化的超像素序列图像分割算法 | 第22-25页 |
| 3.3 改进的DBSCAN超像素序列图像聚类算法 | 第25-29页 |
| 3.3.1 基于密度的聚类算法DBSCAN | 第25-26页 |
| 3.3.2 聚类起始块和自适应聚类阈值的确定 | 第26-29页 |
| 3.3.3 改进的DBSCAN超像素序列图像聚类算法 | 第29页 |
| 3.4 序列肺结节图像分割算法 | 第29-30页 |
| 3.5 实验结果及分析 | 第30-45页 |
| 3.5.1 定性评估 | 第31-41页 |
| 3.5.2 定量比较 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于超像素和稀疏子空间聚类的序列肺结节图像分割方法 | 第46-54页 |
| 4.1 感兴趣区域提取 | 第46页 |
| 4.2 改进的超像素序列分割 | 第46-47页 |
| 4.3 提取超像素样本新特征 | 第47-51页 |
| 4.3.1 对比度增强直方图特征 | 第47-48页 |
| 4.3.2 超像素样本邻域纹理特征 | 第48-50页 |
| 4.3.3 位置信息特征 | 第50-51页 |
| 4.3.4 特征数据归一化 | 第51页 |
| 4.4 基于距离约束的稀疏子空间聚类 | 第51-52页 |
| 4.5 实验结果与分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 未来工作和展望 | 第54-56页 |
| 参考文献 | 第56-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
