| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 肺结节检测识别的研究现状 | 第13-14页 |
| 1.3 卷积神经网络的研究现状 | 第14-15页 |
| 1.4 深度学习神经网络的框架介绍 | 第15-16页 |
| 1.4.1 Caffe框架 | 第15页 |
| 1.4.2 Theano框架 | 第15页 |
| 1.4.3 TensorFlow框架 | 第15-16页 |
| 1.4.4 Keras框架 | 第16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第二章 肺结节样本库的构建 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 构建肺结节样本库的流程 | 第18-19页 |
| 2.3 训练数据集的构建 | 第19-20页 |
| 2.4 数据集CT图像的预处理 | 第20-23页 |
| 2.4.1 基于直方图均衡化的图像增强 | 第20-21页 |
| 2.4.2 基于中值滤波的图像增强 | 第21-23页 |
| 2.5 基于XML文件的肺结节候选区域提取 | 第23-25页 |
| 2.6 获取归一化样本 | 第25-26页 |
| 2.7 实验结果 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 传统的肺结节检测识别算法 | 第28-48页 |
| 3.1 引言 | 第28页 |
| 3.2 传统的肺结节检测算法流程 | 第28-29页 |
| 3.3 肺结节感兴趣区域的精确提取 | 第29-34页 |
| 3.3.1 肺实质分割 | 第29-33页 |
| 3.3.2 基于阈值法的候选感兴趣区域分割 | 第33-34页 |
| 3.3.3 精确提取ROI区域的缺点 | 第34页 |
| 3.4 肺结节特征的分析与提取 | 第34-40页 |
| 3.4.1 灰度特征 | 第34-35页 |
| 3.4.2 形状特征 | 第35-38页 |
| 3.4.3 纹理特征 | 第38-40页 |
| 3.4.4 特征标准化及归一化 | 第40页 |
| 3.5 基于支持向量机的肺结节检测算法 | 第40-46页 |
| 3.5.1 支持向量机的选择 | 第40-45页 |
| 3.5.2 算法的分类结果 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 基于原始CNN模型的肺结节检测识别 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 基于CNN的肺结节检测算法与传统算法的比较 | 第48-49页 |
| 4.3 基于CNN的肺结节检测模型 | 第49-55页 |
| 4.3.1 基于CNN的肺结节检测模型的网络结构 | 第49-52页 |
| 4.3.2 基于CNN的肺结节检测模型的策略 | 第52-54页 |
| 4.3.3 基于CNN的肺结节检测模型的求解过程 | 第54-55页 |
| 4.4 实验结果与分析 | 第55-58页 |
| 4.4.1 迭代次数与训练时间的关系 | 第56-57页 |
| 4.4.2 模型的误分类曲线图 | 第57页 |
| 4.4.3 迭代次数与准确率的关系 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于改进CNN模型的肺结节检测识别 | 第59-79页 |
| 5.1 引言 | 第59页 |
| 5.2 改进CNN模型的策略 | 第59-62页 |
| 5.2.1 引入Dropout策略 | 第59-61页 |
| 5.2.2 应用ReLU激活函数 | 第61页 |
| 5.2.3 CNN与分类器相结合 | 第61-62页 |
| 5.3 基于改进CNN的肺结节检测模型 | 第62-66页 |
| 5.3.1 改进CNN模型的结构设计 | 第62-63页 |
| 5.3.2 改进CNN模型之一:CNN-RF模型 | 第63-66页 |
| 5.3.3 改进CNN模型之二:CNN-SVM模型 | 第66页 |
| 5.4 实验结果与分析 | 第66-71页 |
| 5.4.1 迭代次数与准确率关系 | 第67-68页 |
| 5.4.2 CNN-RF模型中随机森林大小与分类性能的关系 | 第68-69页 |
| 5.4.3 与传统肺结节检测算法的比较 | 第69-70页 |
| 5.4.4 与最新肺结节检测算法的比较 | 第70-71页 |
| 5.5 基于CNN模型的肺结节检测系统开发与设计 | 第71-78页 |
| 5.5.1 需求分析 | 第71页 |
| 5.5.2 系统框架 | 第71-72页 |
| 5.5.3 系统设计 | 第72-73页 |
| 5.5.4 系统功能介绍及病例实验 | 第73-78页 |
| 5.6 本章小结 | 第78-79页 |
| 结论与展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附件 | 第87页 |
