面向光相干成像的宫颈癌智能筛查技术及应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-14页 |
| 1.1. 研究背景 | 第9-10页 |
| 1.2. 研究问题 | 第10-11页 |
| 1.3. 研究现状 | 第11-12页 |
| 1.4. 研究内容 | 第12页 |
| 1.5. 本文的组织架构 | 第12-14页 |
| 2. 相关研究工作 | 第14-18页 |
| 2.1. 宫颈癌筛查及诊断技术现状 | 第14-15页 |
| 2.2. 光相干断层扫描技术 | 第15-16页 |
| 2.3. 基于人工智能的宫颈癌检测 | 第16-17页 |
| 2.4. 本章小结 | 第17-18页 |
| 3. 宫颈疾病OCT图像分类模型及实验设计 | 第18-28页 |
| 3.1. 问题定义 | 第18-20页 |
| 3.2. 数据 | 第20-22页 |
| 3.2.1. 数据收集 | 第20页 |
| 3.2.2. 数据预处理 | 第20-21页 |
| 3.2.3. 数据分类依据 | 第21-22页 |
| 3.3. 基于深度学习的分类模型 | 第22-25页 |
| 3.3.1. 分类模型 | 第22-24页 |
| 3.3.2. 特征识别 | 第24-25页 |
| 3.4. 实验设计 | 第25-27页 |
| 3.4.1. 评价指标 | 第25-26页 |
| 3.4.2. 实验环境 | 第26页 |
| 3.4.3. 验证方案 | 第26-27页 |
| 3.4.4. 盲测实验设计 | 第27页 |
| 3.5. 本章小结 | 第27-28页 |
| 4. 实验结果分析及讨论 | 第28-37页 |
| 4.1. 视觉特征提取和识别 | 第28-32页 |
| 4.1.1. 视觉特征PCA降维可视化分析 | 第28-29页 |
| 4.1.2. 反向传递下的特征识别 | 第29-32页 |
| 4.2. 分类结果对比 | 第32-34页 |
| 4.2.1. 混淆矩阵 | 第32-33页 |
| 4.2.2. ROC&AUC | 第33-34页 |
| 4.2.3. 分类性能对比 | 第34页 |
| 4.3. 针对研究问题的讨论 | 第34-36页 |
| 4.3.1. 针对问题一的讨论 | 第34-35页 |
| 4.3.2. 针对问题二的讨论 | 第35页 |
| 4.3.3. 针对问题三的讨论 | 第35-36页 |
| 4.4. 本章小结 | 第36-37页 |
| 5. 光相干成像系统设计及实现 | 第37-46页 |
| 5.1. 系统需求分析 | 第37-39页 |
| 5.2. 系统结构设计(类设计) | 第39-40页 |
| 5.3. 系统实现 | 第40-43页 |
| 5.3.1. 系统开发环境 | 第40页 |
| 5.3.2. 关键问题解决 | 第40-43页 |
| 5.4. 系统主界面展示 | 第43-44页 |
| 5.5. 本章小结 | 第44-46页 |
| 6. 总结与展望 | 第46-49页 |
| 6.1. 本文工作总结 | 第46-47页 |
| 6.2. 局限和不足 | 第47页 |
| 6.3. 后续工作及展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 硕士期间发表论文 | 第55-56页 |
