第一章 两模态医学图像融合研究现状

1.1多模态医学图像融合识别问题分析与描述

1.1.1融合识别

1.1.2融合识别优势

1.1.3融合识别类型

1.1.4融合识别结构

1.2 PET/CT医学影像融合识别研究进展

1.2.1 PET/CT图像融合发展现状

1.2.2 PET/CT图像融合的临床应用

1.2.3 PET/CT图像融合算法

1.3 PET/CT临床中应用情况

1.3.1资料来源

1.3.2 2028例PET/CT检查者年龄分布

1.3.3 2028例PET/CT检查者性别分布

1.3.4体检、复查患者数量

1.3.5恶性肿瘤疾病构成及顺位分析

1.4现阶段的主要问题和进一步的研究方向

1.4.1主要问题

1.4.2研究热点

1.5小结

第二章 基于双树复小波的像素级融合和图像融合质量的评价

2.1像素级图像融合算法

2.1.1基于空间域的融合算法

2.1.2基于变换域的融合方法

2.2基于双树复小波的像素级融合

2.2.1研究背景和意义

2.2.2双树复小波变换

2.3医学图像融合质量评价

2.3.1基于融合图像自身统计特性的评价指标

2.3.2基于融合图像与参考图像差异的评价指标

2.3.3基于融合图像与原图像差异的评价指标

2.4小结

第三章 基于双树复小波和自适应高斯隶属度函数的PET/CT融合算法

3.1模糊数学

3.2算法思想

3.3关键技术

3.3.1低频图像融合规则

3.3.2高频图像融合规则

3.4实验及结果分析

3.4.1实验一：与其他像素级融合算法的比较

3.4.2实验二：图像融合效果的客观评价

3.4.3实验三：双树复小波变换中不同融合规则的比较

3.5小结

第四章 基于DTCWT和组合隶属度函数的自适应PET/CT图像融合算法

4.1融合规则

4.1.1低频融合规则

4.1.2高频融合规则

4.2实验及结果分析

4.2.1实验一：与其他像素级融合算法的比较

4.2.2实验二：图像融合效果的客观评价

4.2.3实验三：32例非小细胞肺癌患者的PET图像和CT图像仿真实验

4.3小结

第五章 基于压缩感知和非下采样的PET/CT像素级融合

5.1研究背景和意义

5.2压缩感知理论发展现状

5.3基于压缩感知的医学图像融合

5.3.1压缩感知理论

5.3.2基于变换域的图像融合

5.3.3基于压缩感知的医学图像融合方法

5.3.4基于压缩感知的难点讨论

5.4小结

第六章 基于非下采样轮廓波变换和压缩感知的PET/CT融合算法

6.1基于非下采样轮廓波变换和压缩感知的PET/CT融合算法

6.1.1关键技术

6.1.2实验结果及分析

6.1.3小结

6.2基于压缩感知和NSCT-PCNN的PET/CT自适应融合算法

6.2.1脉冲耦合神经网络

6.2.2算法思想

6.2.3关键技术

6.2.4仿真实验及分析

6.3总结与展望

第七章 基于粗糙集的特征级融合肺结节检测算法

7.1绪论

7.1.1研究背景和意义

7.1.2肺结节检测研究现状

7.2肺结节检测基础知识

7.2.1肺部CT图像的特点

7.2.2特征级融合肺结节检测算法模型

7.2.3分类结果的评价指标

7.3基于空间分布的肺结节ROI分割

7.3.1基于空间分布的肺结节分类

7.3.2肺结节ROI分割算法思想

7.3.3肺实质分割实验

7.3.4肺结节分割实验

7.4基于粗糙集的特征级融合肺结节检测算法

7.4.1基于粗糙集的特征级融合肺结节检测算法思想

7.4.2构建新的三维特征

7.4.3特征提取及约简实验

7.4.4 SVM核函数优化实验

7.4.5算法的稳定性及有效性验证实验

7.5总结与展望

第八章 基于Rough Set的特征级融合PET/CT肺部肿瘤CAD模型

8.1 PET/ CT肺部肿瘤ROI区域特征及其提取

8.1.1形状特征

8.1.2灰度特征

8.1.3 Tamura纹理特征

8.1.4 GLCM纹理特征

8.1.5频域特征

8.2粗糙集

8.2.1基于遗传算法的知识约简方法

8.2.2基于属性重要度的启发式算法

8.3支持向量机

8.4基于Rough Set的特征级融合PET/CT肺部肿瘤CAD模型

8.4.1模型思想

8.4.2模型描述

8.5实验结果及分析

8.5.1实验环境与数据

8.5.2基于粗糙集的特征级融合

8.5.3肺部肿瘤PET/CT图像ROI特征提取举例

8.5.4基于粗糙集特征级融合前后有效性

8.5.5基于粗糙集特征级融合的有效性

8.6小结

第九章 基于集成SVM的肺部肿瘤PET/CT计算机辅助诊断模型

9.1集成学习

9.1.1集成学习定义

9.1.2集成学习有效性分析

9.1.3集成分类器的优点

9.1.4集成学习分类

9.1.5集成学习原理

9.2算法思想

9.3仿真实验

9.3.1实验环境与数据

9.3.2 CT、 PET和PET/CT肺部肿瘤特征

9.3.3肺部肿瘤CT、 PET、 PET/CT图像特征提取举例

9.3.4实验结果及分析

9.4小结

参考文献