| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景及研究意义 | 第11-13页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 脑肿瘤分割技术研究现状 | 第13-15页 |
| 1.2.2 脑肿瘤良恶性识别技术研究现状 | 第15-16页 |
| 1.2.3 计算机辅助诊断系统现状 | 第16页 |
| 1.3 研究内容 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 实验平台、数据与测评标准 | 第17-19页 |
| 1.4 本文的结构安排 | 第19-21页 |
| 第2章 基于图论的脑肿瘤分割 | 第21-31页 |
| 2.1 图的基础理论 | 第21-23页 |
| 2.2 基于图论的脑肿瘤分割 | 第23-29页 |
| 2.2.1 基于图论的的脑肿瘤分割设计思路 | 第23-24页 |
| 2.2.2 基于Graph Cuts的脑肿瘤分割 | 第24-25页 |
| 2.2.3 基于Geodesic Graph Cuts的脑肿瘤分割 | 第25-26页 |
| 2.2.4 实验结果与分析 | 第26-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第3章 基于卷积神经网络的脑肿瘤分割 | 第31-47页 |
| 3.1 CNN的核心思想 | 第31-33页 |
| 3.2 基于多模态CNN的脑肿瘤分割 | 第33-39页 |
| 3.2.1 多模态CNN的前馈网络设计 | 第33-35页 |
| 3.2.2 多模态CNN中的反向传播 | 第35-36页 |
| 3.2.3 多模态CNN的整体架构设计 | 第36-37页 |
| 3.2.4 实验结果与分析 | 第37-39页 |
| 3.3 基于多模态双尺度CNN的脑肿瘤分割 | 第39-45页 |
| 3.3.1 基于多模态CNN的脑肿瘤分割算法 | 第39-40页 |
| 3.3.2 数据预处理 | 第40-41页 |
| 3.3.3 多模态双尺度CNN整体架构设计 | 第41-42页 |
| 3.3.4 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于CNN优化模型的脑肿瘤良恶性识别 | 第47-55页 |
| 4.1 CNN模型优化方式研究 | 第47-49页 |
| 4.1.1 CNN网络结构优化 | 第47页 |
| 4.1.2 CNN算法优化 | 第47-49页 |
| 4.1.3 CNN硬件系统优化 | 第49页 |
| 4.2 基于CNN优化模型的脑肿瘤识别 | 第49-54页 |
| 4.2.1 CNN模型优化方案设计 | 第49页 |
| 4.2.2 分类器的比较和选择 | 第49-52页 |
| 4.2.3 基于CNN优化模型的脑肿瘤识别算法 | 第52-53页 |
| 4.2.4 实验结果与分析 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 脑肿瘤辅助诊断与数字化管理系统 | 第55-75页 |
| 5.1 系统需求分析及功能设计 | 第55-57页 |
| 5.1.1 系统需求分析 | 第55页 |
| 5.1.2 功能模块设计 | 第55-57页 |
| 5.2 系统模式及架构设计 | 第57-60页 |
| 5.2.1 系统模式设计 | 第57-59页 |
| 5.2.2 总体架构设计 | 第59-60页 |
| 5.3 系统开发方案设计 | 第60-64页 |
| 5.3.1 辅助诊断模块开发方案 | 第60-61页 |
| 5.3.2 基于SSH架构的开发方案 | 第61-63页 |
| 5.3.3 Web端开发方案 | 第63-64页 |
| 5.4 系统数据库设计 | 第64-67页 |
| 5.4.1 数据库表结构设计 | 第64-66页 |
| 5.4.2 基于JDBC的数据库连接设计 | 第66-67页 |
| 5.5 脑肿瘤辅助诊断与数字化管理系统的实现 | 第67-74页 |
| 5.5.1 辅助诊断模块 | 第67-70页 |
| 5.5.2 数字化管理模块 | 第70-74页 |
| 5.6 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间所获成果 | 第81-82页 |
| 攻读硕士学位期间参加的科研活动和获得的奖励 | 第82-83页 |
| 致谢 | 第83页 |