包邮医学图像智能诊断尘肺病技术研究

1 绪论
1．1 研究背景
1．1．1 尘肺病危害及发展现状
1．1．2 尘肺病影像学诊断现状
1．2 国内外计算机辅助检测／诊断研究现状
1．2．1 国内外医学图像辅助检测／诊断深度学习研究现状
1．2．2 国内外计算机辅助诊断尘肺病技术研究现状
1．3 计算机辅助诊断尘肺病意义
1．4 研究思路

2 计算机辅助诊断尘肺病技术背景
2．1 医学图像特征表现
2．1．1 低层特征
2。1．2 中层特征
2．1．3 高层特征
2．2 医学诊断试验评估指标
2．2．1 专家定性评估
2．2．2 准确性定量评估
2．2．3 图像相似度定量评估
2．3 图像分割技术背景
2．3．1 传统图像分割方法
2．3．2 医学图像语义分割
2．4 医学图像迁移学习问题分析
2．5 尘肺病分期诊断标准
2．6 小结

3 尘肺病DR胸片图像数据预处理技术
3．1 DR胸片图像数据采集
3．2 DR胸片图像数据增强预处理技术
3．2．1 传统医学图像数据增强方法
3．2．2 DR胸片图像数据增强
3．3 尘肺病DR胸片图像增强预处理技术
3．3．1 DR胸片超分辨率图像重建技术
3．3．2 仿真试验及性能评估
3．4 小结

4 尘肺病DR胸片肺野分割研究
4．1 级联全卷积网络肺野分割模型构建
4．2 仿真试验及性能评估
4．2．1 试验参数设置
4．2．2 仿真试验及性能评估
4．3 小结

5 多特征融合肺部纤维化辅助检测方法研究
5．1 肺部纤维化手工特征提取
5．1．1 灰度共生矩阵的纹理特征提取
5．1．2 肺部纤维化手工特征识别模型构建
5．1．3 仿真试验及性能评估
5．2 肺部纤维化深度特征提取
5．2．1 从自然图像到医学图像知识迁移
5．2．2 肺部纤维化深度迁移学习特征识别模型构建
5．2．3 仿真试验及性能评估
5．3 多特征决策融合的肺部纤维化识别方法
5．3．1 加权多数投票特征决策融合模型构建
5．3．2 仿真试验及性能评估
5．4 小结

6 多尺度特征映射辅助诊断尘肺病分期研究及实现
6．1 多尺度特征映射肺部纤维化识别及定位方法
6．2 尘肺病分期标准分析及智能判定方法
6．2．1 肺野区域再分
6．2．2 尘肺病分期智能判定
6．3 仿真试验及性能评估
6．3．1 试验模型设置
6．3．2 性能评估
6．4 智能辅助诊断尘肺病分期系统及实现
6．4．1 智能诊断尘肺病分期原型系统总体设计
6．4．2 原型系统功能模块及关键界面
6．5 小结

7 结论与展望
7．1 结论
7．2 创新点
7．3 展望
参考文献
致谢