基于深度学习的组织病理图像分析
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文研究内容及章节安排 | 第12-15页 |
| 第二章 卷积神经网络理论 | 第15-25页 |
| 2.1 神经网络理论 | 第15-22页 |
| 2.1.1 前向传播与反向传播 | 第15-17页 |
| 2.1.2 线性模型与神经元模型 | 第17-20页 |
| 2.1.3 梯度下降法 | 第20-22页 |
| 2.2 卷积神经网络 | 第22-24页 |
| 2.2.1 卷积神经网络简介 | 第22-23页 |
| 2.2.2 卷积层 | 第23-24页 |
| 2.2.3 池化层 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于分类网络的级联检测方法 | 第25-41页 |
| 3.1 方法介绍 | 第25-30页 |
| 3.1.1 方法由来 | 第25-26页 |
| 3.1.2 训练分类器 | 第26-28页 |
| 3.1.3 滑动窗检测 | 第28-29页 |
| 3.1.4 数据后处理 | 第29-30页 |
| 3.2 实验设计 | 第30-33页 |
| 3.2.1 训练集 | 第30-32页 |
| 3.2.2 网络模型配置 | 第32页 |
| 3.2.3 参数设置 | 第32-33页 |
| 3.3 实验结果及分析 | 第33-39页 |
| 3.3.1 实验数据及评估指标 | 第33-35页 |
| 3.3.2 ICPR2012数据集实验结果及分析 | 第35-37页 |
| 3.3.3 ICPR2014数据集实验结果及分析 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于分割和分类的级联检测方法 | 第41-53页 |
| 4.1 方法介绍 | 第41-46页 |
| 4.1.1 方法由来 | 第41页 |
| 4.1.2 训练分割模型 | 第41-45页 |
| 4.1.3 防止过拟合网络设计 | 第45-46页 |
| 4.1.4 精确二分类 | 第46页 |
| 4.2 实验设计 | 第46-47页 |
| 4.2.1 训练集 | 第46-47页 |
| 4.2.2 网络模型配置 | 第47页 |
| 4.3 实验结果及分析 | 第47-51页 |
| 4.3.1 ICPR2014数据集实验结果 | 第47-48页 |
| 4.3.2 方法对比 | 第48-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作内容总结 | 第53-54页 |
| 5.2 今后工作展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-59页 |
