面向医学文献的图像模式识别关键技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号表 | 第15-16页 |
| 1 绪论 | 第16-30页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 国内外相关工作研究进展 | 第17-26页 |
| 1.2.1 生物医学复合图像探测 | 第17-20页 |
| 1.2.2 生物医学简单图像模式分类 | 第20-23页 |
| 1.2.3 生物医学复合图像多标签分类 | 第23-26页 |
| 1.3 面临的问题与挑战 | 第26-27页 |
| 1.4 本文的主要工作 | 第27-28页 |
| 1.5 本文的内容安排 | 第28-30页 |
| 2 生物医学图像模式识别基础知识 | 第30-47页 |
| 2.1 生物医学图像模式 | 第30-35页 |
| 2.2 生物医学图像模式识别算法 | 第35-45页 |
| 2.2.1 特征工程 | 第35-36页 |
| 2.2.2 深度卷积神经网络 | 第36-45页 |
| 2.3 生物医学图像资源与评测 | 第45-46页 |
| 2.4 本章小结 | 第46-47页 |
| 3 跨模态生物医学复合图像探测 | 第47-72页 |
| 3.1 基于视觉内容的复合图像模型 | 第49-53页 |
| 3.1.1 基于视觉内容的卷积神经网络 | 第50-51页 |
| 3.1.2 视觉模型训练算法 | 第51-53页 |
| 3.2 基于文本信息的复合图像探测模型 | 第53-56页 |
| 3.2.1 基于文本信息的卷积神经网络 | 第53-55页 |
| 3.2.2 文本模型训练算法 | 第55-56页 |
| 3.3 跨模态融合模型 | 第56-59页 |
| 3.3.1 信息融合的作用 | 第56-57页 |
| 3.3.2 复合图像和说明文本的信息融合 | 第57-59页 |
| 3.3.3 决策级信息融合算法 | 第59页 |
| 3.4 实验及结果分析 | 第59-70页 |
| 3.4.1 实验数据 | 第59-60页 |
| 3.4.2 实验设置 | 第60-61页 |
| 3.4.3 数据预处理 | 第61页 |
| 3.4.4 实验结果分析 | 第61-70页 |
| 3.5 本章小结 | 第70-72页 |
| 4 基于迁移学习的生物医学图像模式分类 | 第72-90页 |
| 4.1 生物医学图像模式分类模型 | 第73-79页 |
| 4.1.1 视觉集成模型的结构 | 第74-75页 |
| 4.1.2 自然领域到生物医学领域的迁移学习 | 第75-77页 |
| 4.1.3 卷积神经网络训练过程 | 第77-79页 |
| 4.2 实验及结果分析 | 第79-89页 |
| 4.2.1 实验数据 | 第79-80页 |
| 4.2.2 实验设置 | 第80页 |
| 4.2.3 数据预处理 | 第80-81页 |
| 4.2.4 实验结果分析 | 第81-89页 |
| 4.3 本章小结 | 第89-90页 |
| 5 基于混合迁移学习的生物医学图像多标签分类 | 第90-104页 |
| 5.1 多标签分类 | 第91-92页 |
| 5.1.1 问题描述 | 第91-92页 |
| 5.1.2 评价指标 | 第92页 |
| 5.2 跨模态多标签分类模型 | 第92-97页 |
| 5.2.1 基于视觉内容的多标签分类模型 | 第93-95页 |
| 5.2.2 基于说明文本的多标签分类模型 | 第95-97页 |
| 5.2.3 跨模态标签标定算法 | 第97页 |
| 5.3 实验及结果分析 | 第97-103页 |
| 5.3.1 实验数据 | 第97-98页 |
| 5.3.2 实验设置 | 第98页 |
| 5.3.3 数据预处理 | 第98-99页 |
| 5.3.4 实验结果分析 | 第99-103页 |
| 5.4 本章小结 | 第103-104页 |
| 6 结论与展望 | 第104-107页 |
| 6.1 结论 | 第104-105页 |
| 6.2 创新点 | 第105-106页 |
| 6.3 展望 | 第106-107页 |
| 参考文献 | 第107-115页 |
| 附录A 三十一种医学模式类别代码及定义 | 第115-117页 |
| 攻读博士学位期间科研项目及科研成果 | 第117-119页 |
| 致谢 | 第119-121页 |
| 作者简介 | 第121页 |
