首页--医药、卫生论文--肿瘤学论文--一般性问题论文--肿瘤诊断学论文--放射线、同位素诊断论文

基于主成分分析网络与支持向量机的肺结节辅助诊断

摘要第7-8页
Abstract第8-9页
第1章 绪论第10-16页
    1.1 课题的研究意义第10-12页
        1.1.1 计算机辅助诊断第10-11页
        1.1.2 肺部辅助诊断第11-12页
    1.2 国内外研究现状第12-14页
    1.3 论文框架第14-16页
第2章 深度学习原理及分类器算法原理第16-33页
    2.1 主成分网络的基本原理第16-25页
        2.1.1 神经网络与深度学习的基本原理第16-20页
        2.1.2 深度学习原理第20-22页
        2.1.3 主成分分析网络原理第22-25页
            2.1.3.1 输入层第23页
            2.1.3.2 中间层第23-24页
            2.1.3.3 输出层第24-25页
    2.2 二维主成分分析第25-27页
        2.2.1 二维主成分分析第25-26页
        2.2.2 主成分分析计算过程第26-27页
    2.3 支持向量机(SVM)第27-30页
    2.4 主成分分析网络与支持向量机第30-33页
第3章 算法实现第33-41页
    3.1 X线胸片数据库第33-35页
    3.2 数据预处理第35页
    3.3 主成分分析网络算法实现第35-36页
    3.4 二维主成分分析算法实现第36-38页
    3.5 支持向量机算法实现第38-39页
    3.6 PCANet与SVM算法合并实现第39-41页
第4章 结果与分析第41-48页
    4.1 软件系统第41-43页
        4.1.1 界面第41-42页
        4.1.2 功能模块第42-43页
    4.2 结果与分析第43-45页
        4.2.1 特征提取结果第43-45页
        4.2.2 分类器结果第45页
    4.3 分类准确率与时间第45-48页
第5章 总结与展望第48-50页
    5.1 总结第48页
    5.2 展望第48-50页
致谢第50-51页
参考文献第51-54页

论文共54页,点击 下载论文
上一篇:IL-17、hs-CRP与急性冠脉综合征及冠脉病变程度的相关性研究
下一篇:红芪谱—效相关性及红芪多糖防治肝纤维化性骨丢失的探讨