医学图像智能诊断尘肺病技术研究

《医学图像智能诊断尘肺病技术研究》共分7章，第1～2章，医学图像智能识别技术研究现状和智能辅助诊断尘肺技术背景。第3章，尘肺病DR胸片图像数据预处理。第4章，尘肺病DR胸片肺野分割研究。第5～6章，多特征和多尺度特征映射智能辅助诊断尘肺分期研究。第7章，结论与展望。

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