基于逻辑约束的肺结节检测方法研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 肺结节检测研究现状 | 第8-10页 |
| 1.2.2 模型可解释能力现状 | 第10-11页 |
| 1.2.3 现存的问题及难点 | 第11-12页 |
| 1.3 本文主要工作及章节安排 | 第12-15页 |
| 1.3.1 本文主要工作 | 第12页 |
| 1.3.2 本文章节安排 | 第12-15页 |
| 2 基于PSVM的肺结节检测 | 第15-25页 |
| 2.1 方法基本框架 | 第15页 |
| 2.2 肺结节图像特征提取 | 第15-17页 |
| 2.2.1 ROI检测 | 第15-16页 |
| 2.2.2 ROI特征提取 | 第16-17页 |
| 2.3 基于PSVM的肺结节检测 | 第17-20页 |
| 2.4 实验结果及分析 | 第20-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 基于逻辑约束的肺结节检测 | 第25-47页 |
| 3.1 方法基本框架 | 第25-26页 |
| 3.2 挖掘先验知识 | 第26页 |
| 3.3 用一阶谓词表达先验知识 | 第26-29页 |
| 3.3.1 属性的相关知识 | 第26-28页 |
| 3.3.2 一阶谓词的表示 | 第28-29页 |
| 3.3.3 一阶谓词的权值 | 第29页 |
| 3.4 马尔科夫逻辑网 | 第29-33页 |
| 3.4.1 马尔科夫逻辑网络原理 | 第29-30页 |
| 3.4.2 属性关系之间的马尔科夫逻辑网络实例 | 第30-31页 |
| 3.4.3 创建闭原子 | 第31页 |
| 3.4.4 生成闭马尔科夫网络 | 第31-33页 |
| 3.5 马尔科夫逻辑网络推理原理 | 第33-36页 |
| 3.5.1 最有可能存在的状态 | 第33-34页 |
| 3.5.2 条件概率 | 第34页 |
| 3.5.3 用马尔科夫逻辑网推理 | 第34-35页 |
| 3.5.4 实验结果及分析 | 第35-36页 |
| 3.6 构成学习框架约束项 | 第36-38页 |
| 3.6.1 约束项的推理 | 第36-37页 |
| 3.6.2 约束项的数学表达 | 第37-38页 |
| 3.7 肺结节检测应用 | 第38-41页 |
| 3.7.1 最小二乘支持向量机原理 | 第38-40页 |
| 3.7.2 基于逻辑约束的肺结节检测 | 第40-41页 |
| 3.8 实验结果及分析 | 第41-45页 |
| 3.8.1 实验结果 | 第41-43页 |
| 3.8.2 结果分析 | 第43-45页 |
| 3.9 本章小结 | 第45-47页 |
| 4 系统实现 | 第47-55页 |
| 4.1 系统模块框架 | 第47页 |
| 4.2 系统实现 | 第47-52页 |
| 4.3 系统运行环境 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-62页 |
