●1 緒論
1.1 研究背景
1.1.1 塵肺病危害及發展現狀
1.1.2 塵肺病影像學診斷現狀
1.2 國內外計算機輔助檢測/診斷研究現狀
1.2.1 國內外醫學圖像輔助檢測/診斷深度學習研究現狀
1.2.2 國內外計算機輔助診斷塵肺病技術研究現狀
1.3 計算機輔助診斷塵肺病意義
1.4 研究思路
2 計算機輔助診斷塵肺病技術背景
2.1 醫學圖像特征表現
2.1.1 低層特征
2.1.2 中層特征
2.1.3 高層特征
2.2 醫學診斷試驗評估指標
2.2.1 專家定性評估
2.2.2 準確性定量評估
2.2.3 圖像相似度定量評估
2.3 圖像分割技術背景
2.3.1 傳統圖像分割方法
2.3.2 醫學圖像語義分割
2.4 醫學圖像遷移學習問題分析
2.5 塵肺病分期診斷標準
2.6 小結
3 塵肺病DR胸片圖像數據預處理技術
3.1 DR胸片圖像數據采集
3.2 DR胸片圖像數據增強預處理技術
3.2.1 傳統醫學圖像數據增強方法
3.2.2 DR胸片圖像數據增強
3.3 塵肺病DR胸片圖像增強預處理技術
3.3.1 DR胸片超分辨率圖像重建技術
3.3.2 仿真試驗及性能評估
3.4 小結
4 塵肺病DR胸片肺野分割研究
4.1 級聯全卷積網絡肺野分割模型構建
4.2 仿真試驗及性能評估
4.2.1 試驗參數設置
4.2.2 仿真試驗及性能評估
4.3 小結
5 多特征融合肺部纖維化輔助檢測方法研究
5.1 肺部纖維化手工特征提取
5.1.1 灰度共生矩陣的紋理特征提取
5.1.2 肺部纖維化手工特征識別模型構建
5.1.3 仿真試驗及性能評估
5.2 肺部纖維化深度特征提取
5.2.1 從自然圖像到醫學圖像知識遷移
5.2.2 肺部纖維化深度遷移學習特征識別模型構建
5.2.3 仿真試驗及性能評估
5.3 多特征決策融合的肺部纖維化識別方法
5.3.1 加權多數投票特征決策融合模型構建
5.3.2 仿真試驗及性能評估
5.4 小結
6 多尺度特征映射輔助診斷塵肺病分期研究及實現
6.1 多尺度特征映射肺部纖維化識別及定位方法
6.2 塵肺病分期標準分析及智能判定方法
6.2.1 肺野區域再分
6.2.2 塵肺病分期智能判定
6.3 仿真試驗及性能評估
6.3.1 試驗模型設置
6.3.2 性能評估
6.4 智能輔助診斷塵肺病分期繫統及實現
6.4.1 智能診斷塵肺病分期原型繫統總體設計
6.4.2 原型繫統功能模塊及關鍵界面
6.5 小結
7 結論與展望
7.1 結論
7.2 創新點
7.3 展望
參考文獻
致謝
