基于深度卷积神经网络的肺结节自动检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状与趋势 | 第13-17页 |
| 1.3 研究内容与创新点 | 第17-18页 |
| 1.4 论文结构安排 | 第18-19页 |
| 第二章 相关理论基础 | 第19-33页 |
| 2.1 经典肺结节自动检测方法 | 第19-22页 |
| 2.2 深度学习基础 | 第22-27页 |
| 2.2.1 概述 | 第22-24页 |
| 2.2.2 反向传播算法 | 第24-27页 |
| 2.3 深度卷积神经网络 | 第27-33页 |
| 2.3.1 概述 | 第27-32页 |
| 2.3.2 密集连接卷积神经网络 | 第32-33页 |
| 第三章 算法模型设计 | 第33-51页 |
| 3.1 数据准备 | 第34-35页 |
| 3.1.1 数据归一化与坐标系转换 | 第34页 |
| 3.1.2 基于图像块的训练与数据增扩 | 第34-35页 |
| 3.2 模型结构设计 | 第35-40页 |
| 3.2.1 模型框架 | 第35-36页 |
| 3.2.2 关键设计 | 第36-40页 |
| 3.3 优化机制改进 | 第40-43页 |
| 3.4 损失函数设计 | 第43-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 实验验证与分析 | 第51-63页 |
| 4.1 数据集介绍 | 第51-52页 |
| 4.2 评价指标 | 第52-53页 |
| 4.3 定量实验结果 | 第53-58页 |
| 4.3.1 模型自我评估 | 第53-56页 |
| 4.3.2 模型对比评估 | 第56-58页 |
| 4.4 定性实验结果 | 第58-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-67页 |
| 5.1 总结 | 第63-65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-77页 |
| 附录I | 第77-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士学位期间发表成果情况 | 第81页 |
