基于卷积神经网络的肝脏肿瘤检测算法及应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文的内容与组织架构 | 第14-15页 |
| 第二章 相关理论介绍 | 第15-23页 |
| 2.1 肝脏肿瘤检测相关介绍 | 第15-16页 |
| 2.1.1 肝脏肿瘤检测任务介绍 | 第15页 |
| 2.1.2 肝脏肿瘤数据集 | 第15-16页 |
| 2.1.3 肝脏肿瘤检测评价指标 | 第16页 |
| 2.2 CNN相关介绍 | 第16-22页 |
| 2.2.1 CNN基本概念 | 第16-18页 |
| 2.2.2 CNN组成单元 | 第18-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于FasterRCNN的肝脏肿瘤检测 | 第23-39页 |
| 3.1 FasterRCNN介绍 | 第23-26页 |
| 3.1.1 FasterRCNN算法框架 | 第23-24页 |
| 3.1.2 RPN网络 | 第24-25页 |
| 3.1.3 ROI池化 | 第25页 |
| 3.1.4 分类和回归 | 第25-26页 |
| 3.2 基于FasterRCNN的肝脏肿瘤检测 | 第26-34页 |
| 3.2.1 数据扩充 | 第26-28页 |
| 3.2.2 特征提取网络选择 | 第28-32页 |
| 3.2.3 锚点框设计 | 第32-33页 |
| 3.2.4 结果处理 | 第33-34页 |
| 3.3 实验与分析 | 第34-37页 |
| 3.3.1 训练参数调整 | 第34-35页 |
| 3.3.2 实验设置 | 第35-36页 |
| 3.3.3 实验结果分析 | 第36-37页 |
| 3.3.4 实验总结 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于上下文建模的肝脏肿瘤检测 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 基于上下文建模的肝脏肿瘤检测 | 第39-43页 |
| 4.2.1 算法整体框架 | 第39-40页 |
| 4.2.2 上下文建模 | 第40-42页 |
| 4.2.3 分类和回归 | 第42-43页 |
| 4.3 实验与分析 | 第43-46页 |
| 4.3.1 实验设置 | 第43-44页 |
| 4.3.2 实验结果与分析 | 第44-45页 |
| 4.3.3 实验总结 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 肝脏肿瘤辅助诊疗系统的设计与实现 | 第47-52页 |
| 5.1 引言 | 第47页 |
| 5.2 系统架构 | 第47-49页 |
| 5.2.1 系统架构设计 | 第47-48页 |
| 5.2.2 功能模块设计 | 第48-49页 |
| 5.3 系统实现 | 第49页 |
| 5.4 系统功能展示 | 第49-51页 |
| 5.4.1 系统主界面展示 | 第49-50页 |
| 5.4.2 三维模型交互功能展示 | 第50页 |
| 5.4.3 阅片功能展示 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61页 |
