| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-15页 |
| 1.3 本文的主要内容及组织结构 | 第15-19页 |
| 1.3.1 主要内容 | 第15-16页 |
| 1.3.2 结构安排 | 第16-19页 |
| 第二章 相关基础理论 | 第19-35页 |
| 2.1 人工神经网络 | 第22-26页 |
| 2.1.1 人工神经网络的结构 | 第23-24页 |
| 2.1.2 神经网络的前向传播 | 第24-26页 |
| 2.2 卷积神经网络 | 第26-31页 |
| 2.2.1 卷积神经网络的特点 | 第27-29页 |
| 2.2.2 卷积神经网络的结构 | 第29-31页 |
| 2.3 迁移学习 | 第31-35页 |
| 2.3.1 迁移学习的概述 | 第31-32页 |
| 2.3.2 迁移学习的类型 | 第32-35页 |
| 第三章 基于卷积神经网络与自学习的组织病理学图像中上皮组织-基质分类 | 第35-47页 |
| 3.1 自学习算法的原理 | 第37-39页 |
| 3.2 本章模型 | 第39-41页 |
| 3.3 实验与分析 | 第41-45页 |
| 3.3.1 实验数据 | 第41-43页 |
| 3.3.2 算法实现细节及结果分析 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于卷积神经网络与域自适应的组织病理学图像中上皮组织-基质分类 | 第47-63页 |
| 4.1 域自适应算法的原理 | 第48-50页 |
| 4.2 本章模型 | 第50-53页 |
| 4.3 实验与分析 | 第53-61页 |
| 4.3.1 实验数据 | 第53-55页 |
| 4.3.2 算法实现细节及结果分析 | 第55-58页 |
| 4.3.3 不同方法的分类结果比较 | 第58-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-67页 |
| 5.1 工作总结 | 第63-64页 |
| 5.2 工作展望 | 第64-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |