基于中华05标准的数字化骨龄X光片自动化识别算法的研究
基于中华05标准的数字化骨龄X光片自动化识别算法的研究
|
|
论文目录 |
|
摘要 |
第5-7页 |
ABSTRACT |
第7-8页 |
1 绪论 |
第16-32页 |
1.1 骨龄简介 |
第16-19页 |
1.1.1 年龄概念的界定和使用 |
第16-17页 |
1.1.2 常见的生物年龄判读标准 |
第17页 |
1.1.3 骨的生长发育特性 |
第17-18页 |
1.1.4 数字化骨龄X光片 |
第18-19页 |
1.2 骨龄的应用价值 |
第19-21页 |
1.2.1 骨龄在医学和司法中的应用 |
第19-20页 |
1.2.2 骨龄在生长发育和体育领域的应用 |
第20-21页 |
1.3 手腕骨结构和图像特征 |
第21-23页 |
1.3.1 手腕部骨整体结构和名称 |
第21-22页 |
1.3.2 干骺愈合原理和图像特征 |
第22-23页 |
1.4 骨龄的判读标准 |
第23-30页 |
1.4.1 判读标准的多样性 |
第23-25页 |
1.4.2 重要手腕骨骨龄标准的具体判读方法 |
第25-29页 |
1.4.3 RUS-CHN骨龄标准的人工判读 |
第29-30页 |
1.5 自动判读的意义 |
第30-32页 |
2 文献综述和研究方案 |
第32-67页 |
2.1 前人研究时间线 |
第32-42页 |
2.1.1 早期的研究成果(1990-2000) |
第33-36页 |
2.1.2 中期的研究成果(2000-2010) |
第36-39页 |
2.1.3 近期的研究成果(2010-至今) |
第39-42页 |
2.1.4 小结 |
第42页 |
2.2 前人研究整体逻辑分析 |
第42-47页 |
2.2.1 机器思路-极端思路A |
第43页 |
2.2.2 经验思路-极端思路B |
第43-44页 |
2.2.3 前人研究思路总结 |
第44-46页 |
2.2.4 小结 |
第46-47页 |
2.3 预实验 |
第47-55页 |
2.3.1 预实验A-深度学习模型选择 |
第48-50页 |
2.3.2 预实验B-无先验经验的深度学习训练 |
第50-52页 |
2.3.3 预实验C-13 块骨化中心先验经验导入 |
第52-54页 |
2.3.4 预实验分析 |
第54-55页 |
2.4 本文研究方案制定 |
第55-61页 |
2.4.1 前人研究成果和预实验梳理 |
第56页 |
2.4.2 梳理人工骨龄判读 |
第56-59页 |
2.4.3 梳理手腕骨生理学先验经验 |
第59-60页 |
2.4.4 梳理图像处理和图像识别领域的算法发展 |
第60-61页 |
2.5 本研究方案 |
第61-67页 |
2.5.1 研究对象 |
第61页 |
2.5.2 研究内容 |
第61-67页 |
3 骨化中心分割算法 |
第67-91页 |
3.1 背景介绍 |
第67-72页 |
3.1.1 研究背景 |
第67-68页 |
3.1.2 图像分割的常用算法 |
第68-71页 |
3.1.3 研究整体思路 |
第71-72页 |
3.2 图像预处理 |
第72-73页 |
3.3 骨骼整体提取 |
第73-84页 |
3.3.1 边缘识别 |
第74-75页 |
3.3.2 灰度差筛 |
第75-78页 |
3.3.3 灰度筛 |
第78-79页 |
3.3.4 灰度差筛和灰度筛效果检验 |
第79页 |
3.3.5 边缘连接和区间填充 |
第79-81页 |
3.3.6 提取骨架 |
第81-83页 |
3.3.7 骨中轴线多项式拟合 |
第83-84页 |
3.4 骨化中心提取 |
第84-89页 |
3.4.1 沿中轴线遍历提取预选框序列 |
第84-85页 |
3.4.2 Gabor参数的选择 |
第85-86页 |
3.4.3 预选框序列特征值提取 |
第86-87页 |
3.4.4 多参数预选框筛选 |
第87-88页 |
3.4.5 基于Gabor纹理精选 |
第88-89页 |
3.5 测试 |
第89-90页 |
3.5.1 测试步骤 |
第89页 |
3.5.2 测试结果 |
第89页 |
3.5.3 问题分析 |
第89-90页 |
3.6 小结 |
第90-91页 |
4 骨化中心发育等级判读算法 |
第91-113页 |
4.1 图像识别算法的选择 |
第92-95页 |
4.1.1 深度学习的基本原理及技术发展 |
第92-95页 |
4.2 本章的实验安排 |
第95-96页 |
4.3 整体数据集描述 |
第96-103页 |
4.3.1 数据集总样本描述 |
第96-99页 |
4.3.2 测试集样本描述 |
第99-100页 |
4.3.3 训练集样本描述 |
第100-102页 |
4.3.4 骨化中心名称和位置标记 |
第102页 |
4.3.5 数据集和实验环境 |
第102-103页 |
4.4 实验A-学习迁移 |
第103-106页 |
4.4.1 学习迁移的原理 |
第103页 |
4.4.2 实验内容 |
第103-105页 |
4.4.3 实验结果 |
第105-106页 |
4.5 实验B-不同模型比较实验 |
第106-107页 |
4.5.1 实验内容 |
第106页 |
4.5.2 实验结果: |
第106-107页 |
4.6 实验C-超参数优化 |
第107-110页 |
4.6.1 实验原理 |
第107-108页 |
4.6.2 实验结果 |
第108-110页 |
4.7 实验D-数据集加噪扩充训练效果实验 |
第110-111页 |
4.7.1 实验内容 |
第110页 |
4.7.2 实验结果 |
第110-111页 |
4.8 小结 |
第111-113页 |
5 结果和结论 |
第113-129页 |
5.1 骨龄结果计算方法 |
第113-121页 |
5.1.1 人工判读骨龄计算方法 |
第113-115页 |
5.1.2 自动骨龄的计算方案 |
第115-116页 |
5.1.3 实验A-骨等级和骨龄计算浮点化 |
第116-118页 |
5.1.4 实验B-特殊骨生理变异性先验经验导入实验 |
第118-120页 |
5.1.5 骨龄计算方法小结 |
第120-121页 |
5.2 自动判读算法各环节的结果 |
第121-126页 |
5.2.1 骨化中心分割算法成功率数据 |
第121-122页 |
5.2.2 各骨发育中心发育等级判读准确度数据 |
第122页 |
5.2.3 整体算法的测试集检验数据 |
第122-125页 |
5.2.4 整体算法的训练集回带检验 |
第125-126页 |
5.3 结果总结 |
第126页 |
5.4 结论 |
第126-127页 |
5.5 创新点 |
第127-128页 |
5.6 建议 |
第128-129页 |
参考文献 |
第129-139页 |
附录 |
第139-153页 |
附录A 预实验-骨边缘识别算法和参数选择 |
第139-153页 |
算法的选择 |
第139-140页 |
算法参数的研究 |
第140-147页 |
最终效果 |
第147-153页 |
致谢 |
第153-155页 |
个人简历 |
第155-156页 |
|