| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 国内外的研究现状 | 第10-12页 |
| 1.3 本文内容结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 深度学习相关基础理论知识与可视化技术 | 第14-27页 |
| 2.1 深度学习的基础理论 | 第14-16页 |
| 2.1.1 深度学习的发展过程 | 第14-15页 |
| 2.1.2 深度学习的模型结构 | 第15-16页 |
| 2.2 卷积神经网络 | 第16-22页 |
| 2.2.1 卷积神经网络的原理 | 第16-18页 |
| 2.2.2 卷积层 | 第18-19页 |
| 2.2.3 池化层 | 第19-20页 |
| 2.2.4 激活函数 | 第20-22页 |
| 2.2.5 全连接层 | 第22页 |
| 2.2.6 卷积神经网络的工作主要流程 | 第22页 |
| 2.3 卷积神经网络模型可视化 | 第22-25页 |
| 2.3.1 特征可视化模型的起源 | 第23页 |
| 2.3.2 基于类别激活映射的可视化方法 | 第23-24页 |
| 2.3.3 基于梯度加权类激活映射的可视化方法 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 血管网络分类模型的设计与构建 | 第27-43页 |
| 3.1 构建血管网络的数据集 | 第27-38页 |
| 3.1.1 鸡胚胎血管网络原始数据 | 第27-29页 |
| 3.1.2 血管网络数据集预处理的方法 | 第29-33页 |
| 3.1.3 数据集增强的方法 | 第33-36页 |
| 3.1.4 训练集与测试集选取的方法 | 第36-38页 |
| 3.2 卷积神经网络模型的构建 | 第38-42页 |
| 3.2.1 LeNet模型的训练方法 | 第38-39页 |
| 3.2.2 AlexNet.模型的训练方法 | 第39-40页 |
| 3.2.3 卷积神经网络训练结果分析 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 血管网络的发育模式可视化分析 | 第43-53页 |
| 4.1 基于梯度加权类激活映射的特征可视化 | 第43-49页 |
| 4.1.1 卷积神经网络模型可视化 | 第43-47页 |
| 4.1.2 不同阶段血管网络的可视化分析 | 第47-49页 |
| 4.2 基于彩色边框标注的血管网络生长发育模式分析 | 第49-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第5章 结束语 | 第53-55页 |
| 5.1 本文完成的主要工作及主要结果 | 第53页 |
| 5.2 需要进一步研究的问题 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间参加的科研项目和成果 | 第59页 |