基于图像处理技术的肺结节检测算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究的目的和意义 | 第9-11页 |
| ·研究背景 | 第9-10页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外发展概况 | 第11-15页 |
| ·计算机辅助检测的发展现状 | 第11-12页 |
| ·肺结节计算机辅助检测算法的研究现状 | 第12-15页 |
| ·本课题的主要研究内容及安排 | 第15-16页 |
| 第2章 肺结节计算机辅助检测算法的相关理论 | 第16-31页 |
| ·CT成像原理及特点 | 第16-17页 |
| ·肺实质的提取 | 第17-22页 |
| ·基于图像特征的形态学处理方法 | 第18-20页 |
| ·区域生长法去除气管干扰 | 第20-21页 |
| ·肺轮廓的修补 | 第21-22页 |
| ·候选肺结节的检测 | 第22-28页 |
| ·基于多种子点区域生长的肺结节检测 | 第23-24页 |
| ·基于数学矩阵方法的肺结节检测 | 第24-25页 |
| ·基于水平集方法的肺结节检测 | 第25-26页 |
| ·基于规则的多级阈值分割检测法 | 第26-28页 |
| ·特征形成和特征选择 | 第28-29页 |
| ·特征的形成 | 第28-29页 |
| ·特征选择 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第3章 肺实质和候选结节提取以及特征量化结果 | 第31-46页 |
| ·肺实质提取实验结果及分析 | 第31-34页 |
| ·肺结节检测实验 | 第34-41页 |
| ·区域生长 | 第34-35页 |
| ·数学Hessian矩阵 | 第35-37页 |
| ·CV水平集方法 | 第37-40页 |
| ·多级阈值算法 | 第40-41页 |
| ·特征的形成 | 第41-44页 |
| ·本文提取的目标特征 | 第41-44页 |
| ·样本示例 | 第44页 |
| ·特征选择及结果 | 第44-45页 |
| ·特征的量化 | 第44-45页 |
| ·特征选择的结果 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于支持向量机的分类决策 | 第46-56页 |
| ·统计学习理论 | 第46-47页 |
| ·支持向量机 | 第47-51页 |
| ·线性支持向量机 | 第48-49页 |
| ·非线性支持向量机 | 第49-50页 |
| ·核函数 | 第50-51页 |
| ·支持向量机的分类方法 | 第51-52页 |
| ·支持向量数据描述算法 | 第51页 |
| ·二类分类 | 第51-52页 |
| ·支持向量机分类实验及结果 | 第52-54页 |
| ·分类结果 | 第52-54页 |
| ·算法评价 | 第54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
