首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

用于深度学习的医学图像标注系统的设计与实现

摘要第4-5页
Abstract第5-6页
1 绪论第10-15页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究及应用现状第11-12页
    1.3 研究内容与目标第12-15页
2 设计基础概述第15-22页
    2.1 医学图像特点分析第15-17页
        2.1.1 DICOM标准第15-16页
        2.1.2 DICOM文件结构第16-17页
        2.1.3 医学图像的特点第17页
    2.2 开发工具简介第17-20页
        2.2.1 VisualStudio2010简介第17-18页
        2.2.2 SQLServer2008R2简介第18-19页
        2.2.3 .Net简介第19-20页
    2.3 开发框架选取第20-22页
3 系统设计第22-42页
    3.1 需求分析第22-24页
    3.2 系统总体设计第24-30页
        3.2.1 总体架构设计第24页
        3.2.2 数据库设计第24-29页
        3.2.3 数据交换层设计第29-30页
    3.3 数据迁移模块详细设计第30-32页
        3.3.1 正常迁移第30-31页
        3.3.2 脱敏迁移第31-32页
    3.4 数据存储模块详细设计第32-35页
        3.4.1 本地存储第32-33页
        3.4.2 云存储第33-35页
    3.5 数据统计模块详细设计第35-36页
    3.6 数据标注模块详细设计第36-42页
        3.6.1 医学图像标注方法第36页
        3.6.2 医学图像标注存储方式第36-38页
        3.6.3 医学图像标注及其可视化第38-42页
4 关键技术的研究与实现第42-53页
    4.1 基于多线程的系统高效运行第42-47页
        4.1.1 基于多线程的异构PACS数据库迁移第42-44页
        4.1.2 基于多线程的图像数据上传及下载第44-47页
    4.2 基于Rijndael算法的云存储数据加解密第47-50页
    4.3 大数据背景下的标注及其可视化第50-53页
5 系统测试与评价第53-62页
    5.1 测试环境与内容第53页
    5.2 测试结果与评价第53-62页
        5.2.1 数据库、云连接及运行环境第53-54页
        5.2.2 各个模块功能测试与评价第54-62页
6 总结与展望第62-64页
    6.1 工作总结第62-63页
    6.2 工作展望第63-64页
参考文献第64-66页
个人简历第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:基于Camshift算法的移动机器人目标跟踪方法研究
下一篇:基于重复模式检测的绝缘子定位算法研究