声明
摘要
第1章绪论
1．1研究背景和意义
1．2研究现状和存在问题
1．2．1研究现状
1．2．2存在的问题
1．3研究目标和内容
1．4论文结构
第2章计算机辅助肺结节检测和诊断方法综述
2．1计算机辅助肺结节检测算法
2．1．1肺部区域分割算法
2．1．2疑似结节区域识别算法
2．1．3疑似结节特征提取算法
2．1．4降低假阳性率的结节识别算法
2．2计算机辅助肺癌诊断算法
2．2．1基于生长状态的诊断方法
2．2．2基于肺组织影像学特征的诊断方法
2．2．3基于统计学习的诊断方法
2．3评价标准
2．4本章小结
第3章标准数据库和临床数据库的获取、处理和分析
3．1LIDC／IDRI肺结节CT图像数据库
3．2本文所用肺结节的选取标准
3．3基于DICOM格式和XML文件的图像标准化和信息提取
3．3．1DICOM标准的医学图像
3．3．2基于体素相关性的图像插值算法
3．3．3基于XML文件的肺结节信息提取
3．4有诊断信息的国内临床数据
3．5本章小结
第4章肺部区域分割以及候选结节提取的算法研究
4．1基于二维OTSU和三维区域生长的肺部分割
4．1．1基于非局部空间二维直方图的OTSU肺部区域分割算法
4．1．2基于三维区域生长的去除噪声算法
4．2基于差分分析的肺轮廓修复算法
4．2．1肺轮廓的斜率角差分分析
4．2．2Bressenham直线段生成算法
4．3基于高斯核的SFCM结节提取算法
4．3．1FCM算法原理
4．3．2高斯核函数的SFCM算法原理
4．4实验结果分析
4．4．1基于二维OTSU和三维区域生长的肺部分割结果分析
4．4．2基于差分分析的肺轮廓修复结果分析
4．4．3基于高斯核的SFCM结节提取算法的结果分析
4．5本章小结
第5章基于深度学习框架的肺结节检测算法研究
5．1卷积神经网络(CNN)基础
5．1．1CNN前向传播
5．1．2梯度计算以及误差反向传播
5．2基于Frangi滤波器的管状假阳结节的去除算法
5．2．1Frangi滤波器原理
5．2．2管状假阳性结节去除算法设计
5．3基于图像补丁的多通道CNN的结节检测算法
5．4实验结果分析
5．4．1基于Frangi滤波器的假阳性去除性能分析
5．4．2基于多种分类器的肺结节检测性能评估
5．4．3基于多通道CNN的肺结节检测性能评估
5．4．4基于多尺寸的肺结节检测性能评估
5．5本章小结
第6章基于LDA模型的肺结节及肺组织的分类
6．1图像特征分析及提取
6．1．1视觉感知的Tamura纹理特征描述法
6．1．2基于灰度共生矩阵的纹理特征描述法
6．1．3LBP纹理特征描述法
6．1．4三维旋转不变LBP纹理特征描述法
6．1．5像素值空间统计图特征描述法
6．2潜在蒂利克雷分布(LDA)原理
6．2．1文本建立符号及术语
6．2．2混合一元语法模型的文本建立
6．2．3PLSA模型的文本建立
6．2．4LDA模型的文本建立
6．3基于Gibbs抽样方法的参数估计
6．3．2基于Gibbs采样方法的LDA模型参数估计
6．4基于LDA模型的诊断方法
6．4．1基于三维图像单词LDA模型的肺结节定量性诊断
6．4．2基于二维图像单词LDA模型的肺组织分类
6．5实验结果分析
6．5．1基于PVSSM的肺结节良恶性诊断的结果分析
6．5．2基于LDA模型的肺结节定量性诊断的结果分析
6．5．3基于LDA模型的肺组织分类预测的结果分析
6．6本章小结
第7章结论与展望
7．1本文的研究工作总结
7．2未来的研究展望
参考文献
攻读博士学位期间取得的学术成果
致谢
东北大学;
