| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 肺实质图像分割 | 第10-11页 |
| 1.2.2 肺结节图像检测 | 第11-12页 |
| 1.3 课题来源及主要研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 肺部CT图像处理相关技术综述 | 第15-19页 |
| 2.1 肺部CT图像处理基本流程 | 第15页 |
| 2.2 医学图像分割理论 | 第15页 |
| 2.3 医学图像分割方法 | 第15-19页 |
| 2.3.1 基于阈值的分割方法 | 第16页 |
| 2.3.2 基于区域的分割方法 | 第16-17页 |
| 2.3.3 基于边缘检测的分割方法 | 第17页 |
| 2.3.4 基于能量泛函的分割方法 | 第17-19页 |
| 第三章 基于超像素和自生成神经森林的肺实质序列图像分割 | 第19-43页 |
| 3.1 超像素序列图像分割 | 第19-22页 |
| 3.1.1 肺部CT序列感兴趣区域(ROI)图像提取 | 第20页 |
| 3.1.2 序列ROI图像超像素分割 | 第20-22页 |
| 3.2 自生成神经森林聚类 | 第22-27页 |
| 3.2.1 自生成神经树 | 第23-24页 |
| 3.2.2 遗传算法优化的自生成神经森林算法 | 第24-25页 |
| 3.2.3 遗传算法选取超像素种子点 | 第25-27页 |
| 3.3 肺实质序列图像分割 | 第27-30页 |
| 3.3.1 特征提取和肺实质分割 | 第27-28页 |
| 3.3.2 气管、支气管去除 | 第28-30页 |
| 3.4 实验结果及讨论 | 第30-42页 |
| 3.4.1 定性评估 | 第30-37页 |
| 3.4.2 定量比较 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于多尺度增强滤波器和 3D形状特征的肺结节检测 | 第43-63页 |
| 4.1 结节和血管模型 | 第43-46页 |
| 4.2 多尺度增强滤波器 | 第46-50页 |
| 4.2.1 结节血管增强滤波器 | 第46-49页 |
| 4.2.2 高斯函数多尺度计算 | 第49-50页 |
| 4.3 特征提取和肺结节分类 | 第50-55页 |
| 4.3.1 疑似结节提取 | 第51-52页 |
| 4.3.2 表面法向量方向角度直方图 | 第52-54页 |
| 4.3.3 基于SVM的肺结节分类 | 第54-55页 |
| 4.4 实验结果及讨论 | 第55-61页 |
| 4.4.1 疑似肺结节检测 | 第55-56页 |
| 4.4.2 特征提取 | 第56-57页 |
| 4.4.3 SVM分类 | 第57-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 工作总结 | 第63-64页 |
| 5.2 未来工作和展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |
