基于深度学习的早期肺癌智能诊断研究

本书针对计算机断层扫描影像进行研究，利用早期肺癌临床诊断确诊病例，提出了结合肺结节PET图中SUV信息熵和灰度联合向量的一种改进的LBF模型二维分割算法；研究并提出了基于多尺度增强滤波器和3D形状特征的肺结节检测方法；提出了一种训练速度极快的分层极限学习机的肺结节自动诊断方法；同时针对深度哈希检索效率问题，提出基于多索引哈希的肺结节相似图像快速检索方法。本书为研究基于深度学习技术的肺癌早期医学图像应用方向，提出了创新的思路和方法。

郝瑞，太原理工大学在站博士后，现任山西财经大学信息学院副教授，硕士生导师，同时兼任山西微软云孵化基地的客作教授。研究方向是人工智能和信息安全，目前主攻人工智能在癌症诊断中的应用。教学方面，承担研究生课程有：《网络与信息安全》、《社会计算理论》；本科生课程有：《UML技术》及其实验、《计算机系统安全》及其实验、《信息保障和安全》等，科研方面，发表科研论文十余篇，其中SCI论文3篇，EI论文1篇，CSCD论文3篇，出版专著1部，主持 中国博士后科学基金面上项目1项，主持山西省自然科学面上项目1项，与山西高科技企业研究合作主持3项横项项目，参与国家自然科学基金项目3项，参与3项省部级项目以及主持2项教改项目。

第1章绪论

1.1研究背景和意义

1.2国内外研究现状

1.2.1肺结节图像分割与特征描述现状

1.2.2肺结节图像分类诊断现状

1.2.3医学图像检索现状

1.3本书的研究内容

1.4各章节结构安排

第2章基于信息熵和联合向量的LBF模型的肺结节分割

2.1基础理论与方法介绍

2.1.1现代医学影像技术

2.1.2医学图像分割法

2.2方法描述

2.2.1初始轮廓构造

2.2.2基于信息熵和联合向量的LBF活动轮廓分割模型

2.3评价性能指标

2.3.1Dice相似系数

2.3.2Hausdorff距离

2.3.3假阳性率

2.4实验结果与分析

2.4.1数据集介绍

……