| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-13页 |
| 1.2.1 深度学习的研究历史、现状及其在医学图像领域的应用 | 第10-11页 |
| 1.2.2 卷积神经网络的研究历史、现状及其在医学图像领域的应用 | 第11-13页 |
| 1.3 TENSORFLOW深度学习框架 | 第13页 |
| 1.4 本论文的主要工作内容 | 第13-15页 |
| 第2章 卷积神经网络模型的基本架构和相关理论 | 第15-21页 |
| 2.1 卷积神经网络结构 | 第15-20页 |
| 2.1.1 稀疏连接和权值共享特性 | 第15-16页 |
| 2.1.2 卷积神经网络的层级结构 | 第16-18页 |
| 2.1.3 Dropout策略 | 第18-20页 |
| 2.2 本章小结 | 第20-21页 |
| 第3章 基于不同维度卷积神经网络的肺癌CT扫描图像识别研究 | 第21-39页 |
| 3.1 基于三维卷积神经网络的肺癌CT扫描图像识别 | 第21-28页 |
| 3.1.1 肺癌CT扫描图像预处理 | 第21-23页 |
| 3.1.2 三维卷积神经网络模型的构建 | 第23-27页 |
| 3.1.3 实验环境搭建 | 第27-28页 |
| 3.2 网络训练过程 | 第28-30页 |
| 3.2.1 卷积层的训练方法 | 第29-30页 |
| 3.2.2 池化层的训练方法 | 第30页 |
| 3.3 三维卷积神经网络模型性能影响因素分析 | 第30-34页 |
| 3.3.1 卷积层数的不同 | 第31页 |
| 3.3.2 池化层函数的选择 | 第31-32页 |
| 3.3.3 网络激活函数的选择 | 第32-33页 |
| 3.3.4 不同的优化器的选择 | 第33-34页 |
| 3.4 二维卷积神经网络与三维卷积神经网络对肺癌图像的识别结果对比分析 | 第34-37页 |
| 3.4.1 针对二维卷积神经网络的肺癌切片预处理 | 第34页 |
| 3.4.2 二维卷积神经网络模型的构建 | 第34-35页 |
| 3.4.3 二维卷积神经网络与三维卷积神经网络实验结果对比分析 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 总结与展望 | 第39-43页 |
| 4.1 总结 | 第39-40页 |
| 4.2 展望 | 第40-43页 |
| 参考文献 | 第43-49页 |
| 致谢 | 第49-51页 |
| 攻读硕士期间参与项目及取得的科研成果 | 第51页 |
