| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 癌症诊断研究的背景 | 第15页 |
| 1.1.2 癌症诊断研究的意义 | 第15-16页 |
| 1.2 癌症诊断研究现状 | 第16-19页 |
| 1.2.1 胃癌淋巴结转移诊断研究现状 | 第16-18页 |
| 1.2.2 肺癌肺结节良恶性诊断研究现状 | 第18-19页 |
| 1.3 特征选择理论及研究现状 | 第19-20页 |
| 1.4 深度学习的研究现状 | 第20页 |
| 1.4.1 深度学习起源与发展 | 第20页 |
| 1.4.2 深度学习模型 | 第20页 |
| 1.5 本文的研究内容和结构安排 | 第20-23页 |
| 第二章 基于先验特征学习的胃癌淋巴结转移诊断 | 第23-35页 |
| 2.1 引言 | 第23-24页 |
| 2.2 基于LASSO的稀疏特征选择方法 | 第24-25页 |
| 2.3 基于先验特征学习的淋巴结转移诊断特征优化方法 | 第25-27页 |
| 2.3.1 相关系数定义 | 第25页 |
| 2.3.2 淋巴结诊断特征优化方法 | 第25-27页 |
| 2.4 实验结果及说明 | 第27-33页 |
| 2.4.1 实验平台及设置 | 第27-28页 |
| 2.4.2 临床信息数据处理 | 第28-30页 |
| 2.4.3 仿真实验对比及分析 | 第30-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 肺结节数据获取 | 第35-45页 |
| 3.1 引言 | 第36页 |
| 3.2 肺结节数据简介及分析 | 第36-37页 |
| 3.3 基于专家经验轮廓的结节感兴趣区域获取 | 第37-39页 |
| 3.3.1 基于射线法的单个区域获取 | 第37-38页 |
| 3.3.2 基于阈值概率图的结节综合区域获取 | 第38-39页 |
| 3.4 基于结节几何窗的肺结节数据获取策略及方法 | 第39-43页 |
| 3.4.1 肺结节数据获取规则及方法 | 第39-42页 |
| 3.4.2 实验结果及分析 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于曲波卷积神经网络的肺结节良恶性诊断 | 第45-55页 |
| 4.1 引言 | 第45-46页 |
| 4.2 卷积神经网络 | 第46-47页 |
| 4.3 基于曲线波卷积神经网络的肺结节良恶性诊断 | 第47-52页 |
| 4.3.1 曲线波卷积神经网络结构及模型 | 第47-48页 |
| 4.3.2 曲线波滤波器设计及构造方法 | 第48-50页 |
| 4.3.3 曲线波卷积神经网络训练方法 | 第50-51页 |
| 4.3.4 基于曲线波卷积神经网络的肺结节良恶性诊断 | 第51-52页 |
| 4.4 实验结果及说明 | 第52-54页 |
| 4.4.1 实验平台及设置 | 第52页 |
| 4.4.2 仿真实验对比及分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-59页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65-66页 |