| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 缩略语/符号说明 | 第10-12页 |
| 一、前言 | 第12-20页 |
| 1.1 课题背景和意义 | 第12-14页 |
| 1.1.1 医学影像学重复检查现状 | 第12-13页 |
| 1.1.2 非必要医学影像学重复检查的主要原因 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国外对于医学影像学重复检查的应对策略及存在的问题 | 第14-16页 |
| 1.2.2 国内对于医学影像学重复检查的应对策略及存在的问题 | 第16-18页 |
| 1.3 研究意义及目的 | 第18-19页 |
| 1.4 研究路线图 | 第19-20页 |
| 二、利用卷积神经网络对CT图像进行分类 | 第20-31页 |
| 2.1 技术依据 | 第20-22页 |
| 2.1.1 算法简介 | 第20-21页 |
| 2.1.2 算法原理 | 第21-22页 |
| 2.2 研究对象 | 第22-23页 |
| 2.2.1 研究对象的收集 | 第22页 |
| 2.2.2 研究对象的格式转换 | 第22-23页 |
| 2.3 方法 | 第23-27页 |
| 2.3.1 CT图像的分类 | 第23-25页 |
| 2.3.2 算法选择 | 第25-27页 |
| 2.4 试验及结果 | 第27-29页 |
| 2.4.1 算法评价 | 第27-28页 |
| 2.4.2 试验结果 | 第28-29页 |
| 2.5 讨论 | 第29-30页 |
| 2.6 小结 | 第30-31页 |
| 三、生成式对抗网络作为CT图像标准化算法研究 | 第31-57页 |
| 3.1 技术依据 | 第31-37页 |
| 3.1.1 算法简介 | 第31-32页 |
| 3.1.2 相似算法对比 | 第32-35页 |
| 3.1.3 对抗网络 | 第35-37页 |
| 3.2 算法解释 | 第37-40页 |
| 3.2.1 全局最优情况 | 第38-39页 |
| 3.2.2 原始生成式对抗网络收敛 | 第39-40页 |
| 3.3 研究对象及研究设备 | 第40-41页 |
| 3.3.1 研究对象的选择 | 第40-41页 |
| 3.3.2 研究设备及操作软件 | 第41页 |
| 3.4 算法选择 | 第41-48页 |
| 3.4.1 CycleGAN及其存在的问题 | 第41-44页 |
| 3.4.2 WGAN以及其改进算法WGAN-GP | 第44-48页 |
| 3.5 试验及结果 | 第48-51页 |
| 3.5.1 WGAN试验及结果 | 第48-50页 |
| 3.5.2 WGAN-GP试验及结果 | 第50-51页 |
| 3.6 讨论 | 第51-56页 |
| 3.6.1 生成式对抗网络的不足 | 第51-52页 |
| 3.6.2 本研究中WGAN算法架构的优势 | 第52-54页 |
| 3.6.3 本研究的现实意义及不足 | 第54-56页 |
| 3.7 小结 | 第56-57页 |
| 全文结论 | 第57-58页 |
| 论文创新点 | 第58-59页 |
| 参考文献 | 第59-67页 |
| 发表论文和参加科研情况说明 | 第67-70页 |
| 附录 | 第70-93页 |
| 综述 | 第93-115页 |
| 综述参考文献 | 第107-115页 |
| 致谢 | 第115-116页 |
| 个人简历 | 第116页 |