导语

  

内容提要

  

    本书共分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