卷积神经网络在病理诊断中的研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 病理诊断 | 第11-12页 |
| 1.2.2 深度学习 | 第12-14页 |
| 1.3 论文结构及安排 | 第14-15页 |
| 第2章 卷积神经网络原理 | 第15-31页 |
| 2.1 人工神经网络模型 | 第15-18页 |
| 2.1.1 神经元模型 | 第16-17页 |
| 2.1.2 激活函数 | 第17页 |
| 2.1.3 损失函数 | 第17-18页 |
| 2.2 网络优化算法 | 第18-23页 |
| 2.2.1 反向传播算法 | 第19-20页 |
| 2.2.2 优化算法 | 第20-23页 |
| 2.3 卷积神经网络 | 第23-26页 |
| 2.3.1 全连接层 | 第23-24页 |
| 2.3.2 卷积层 | 第24-25页 |
| 2.3.3 池化层 | 第25-26页 |
| 2.3.4 上采样层 | 第26页 |
| 2.4 训练方法 | 第26-30页 |
| 2.4.1 平台框架 | 第27-28页 |
| 2.4.2 数据预处理 | 第28页 |
| 2.4.3 模型搭建 | 第28-29页 |
| 2.4.4 交叉验证 | 第29页 |
| 2.4.5 迁移学习 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 深度学习病理诊断算法研究及实验 | 第31-42页 |
| 3.1 病理数据预处理 | 第31-32页 |
| 3.2 网络模型 | 第32-37页 |
| 3.2.1 FCN_VggNet | 第34-35页 |
| 3.2.2 FCN_ResNet | 第35-36页 |
| 3.2.3 DeepLabV | 第36-37页 |
| 3.3 评价方法 | 第37-39页 |
| 3.3.1 AUC、ROC | 第37-38页 |
| 3.3.2 IOU | 第38-39页 |
| 3.3.3 Score | 第39页 |
| 3.4 实验结果 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 深度学习病理诊断融合算法 | 第42-50页 |
| 4.1 算法模型 | 第42-45页 |
| 4.1.1 多分辨率融合 | 第42-43页 |
| 4.1.2 多网络融合 | 第43-45页 |
| 4.2 后处理算法 | 第45-49页 |
| 4.2.1 形态学操作 | 第45-47页 |
| 4.2.2 随机场算法 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 深度学习在乳腺癌病理诊断中的应用 | 第50-57页 |
| 5.1 乳腺癌病理诊断系统 | 第50-51页 |
| 5.2 实验结果 | 第51-56页 |
| 5.2.1 基础训练实验 | 第51-53页 |
| 5.2.2 二分割结果 | 第53-55页 |
| 5.2.3 四分割结果 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65页 |
