基于CT图像的肺部阴影检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题的研究背景 | 第8-9页 |
| 1.3 课题的研究目的和意义 | 第9-10页 |
| 1.4 国内外研究现状与分析 | 第10-16页 |
| 1.5 本文的研究内容及组织结构 | 第16-17页 |
| 第2章 肺部CT图像的处理 | 第17-27页 |
| 2.1 肺部CT图像处理的算法 | 第17-25页 |
| 2.1.1 阈值选取算法 | 第17-19页 |
| 2.1.2 边缘检测算法 | 第19-21页 |
| 2.1.3 边缘修补算法 | 第21-25页 |
| 2.2 肺部CT图像处理的实验结果 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 肺部结节的特征提取及选择 | 第27-43页 |
| 3.1 肺部结节的特征值提取 | 第27-32页 |
| 3.1.1 形态特征 | 第27-30页 |
| 3.1.2 灰度特征 | 第30-31页 |
| 3.1.3 纹理特征 | 第31-32页 |
| 3.2 特征选择 | 第32-40页 |
| 3.2.1 遗传算法 | 第33-34页 |
| 3.2.2 Tabu搜索算法 | 第34页 |
| 3.2.3 顺序滑动前行查找算法 | 第34-35页 |
| 3.2.4 主成分分析法 | 第35-40页 |
| 3.3 实验结果 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 分类算法设计与分析 | 第43-54页 |
| 4.1 分类算法设计 | 第43-49页 |
| 4.1.1 二次判别函数方法 | 第43-44页 |
| 4.1.2 BP神经网络算法 | 第44页 |
| 4.1.3 Fisher分类算法 | 第44-45页 |
| 4.1.4 SVM方法 | 第45-49页 |
| 4.2 分类算法分析 | 第49-53页 |
| 4.2.1 ROC曲线 | 第49-50页 |
| 4.2.2 实验结果分析 | 第50-53页 |
| 4.3 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
