| 提要 | 第3-5页 |
| abstract | 第5-6页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 肺部CT图像疾病分类算法研究现状 | 第12-13页 |
| 1.3 肺实质分割算法研究现状 | 第13-15页 |
| 1.4 本文工作 | 第15-16页 |
| 1.5 论文组成 | 第16-17页 |
| 第二章 新型集成分类器的肺部CT图像疾病分类算法研究 | 第17-27页 |
| 2.1 前言 | 第17页 |
| 2.2 算法基础 | 第17-22页 |
| 2.2.1 PHOG特征提取 | 第17-19页 |
| 2.2.2 SVM算法 | 第19-20页 |
| 2.2.3 KNN算法 | 第20-21页 |
| 2.2.4 Adaboost算法 | 第21-22页 |
| 2.3 集成分类器模型设计 | 第22-24页 |
| 2.3.1 图像预处理 | 第23页 |
| 2.3.2 特征提取 | 第23-24页 |
| 2.3.3 集成分类器分类 | 第24页 |
| 2.4 实验与分析 | 第24-26页 |
| 2.4.1 实验数据集 | 第24-25页 |
| 2.4.2 实验评价指标 | 第25页 |
| 2.4.3 实验结果及分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于随机森林的肺实质分割算法研究 | 第27-37页 |
| 3.1 前言 | 第27页 |
| 3.2 算法基础 | 第27-30页 |
| 3.2.1 超像素分割技术 | 第27-30页 |
| 3.2.2 随机森林 | 第30页 |
| 3.3 算法设计 | 第30-32页 |
| 3.3.1 超像素分割 | 第31页 |
| 3.3.2 特征提取 | 第31页 |
| 3.3.3 随机森林分类 | 第31-32页 |
| 3.4 实验与分析 | 第32-36页 |
| 3.4.1 实验评价指标 | 第32-33页 |
| 3.4.2 实验结果及分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 总结与展望 | 第37-39页 |
| 4.1 工作总结 | 第37-38页 |
| 4.2 工作分析与展望 | 第38-39页 |
| 参考文献 | 第39-45页 |
| 致谢 | 第45-46页 |
| 攻读学位期间发表的学术论文 | 第46页 |