基于大规模训练神经网络的肺结节识别系统
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 课题研究的目的和意义 | 第9页 |
| 1.3 国内外研究现状与分析 | 第9-17页 |
| 1.3.1 肺结节检测中 CAD 系统的应用 | 第10-11页 |
| 1.3.2 神经网络技术在医学图像处理中的应用 | 第11-12页 |
| 1.3.3 常规肺结节识别方案 | 第12-17页 |
| 1.4 本论文的主要研究内容 | 第17-19页 |
| 第2章 BP 神经网络 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 神经网络基本概念和特征 | 第19-23页 |
| 2.2.1 神经元数学模型 | 第20-22页 |
| 2.2.2 神经网络的信息处理 | 第22-23页 |
| 2.2.3 关于 DELTA 规则 | 第23页 |
| 2.3 BP 神经网络模型 | 第23-31页 |
| 2.3.1 感知器的学习结构 | 第24-25页 |
| 2.3.2 BP 算法原理 | 第25-30页 |
| 2.3.3 BP 算法执行步骤 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于大规模训练神经网络的肺结节识别 | 第32-42页 |
| 3.1 引言 | 第32页 |
| 3.2 MTANN 系统结构 | 第32-36页 |
| 3.3 MTANN 训练与输出的量化 | 第36-38页 |
| 3.3.1 MTANN 的训练 | 第36-37页 |
| 3.3.2 MTANN 输出图像的量化 | 第37-38页 |
| 3.4 MTANN 基于小量样本训练的可行性 | 第38-40页 |
| 3.5 Multi-MTANN | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 程序设计与实验结果 | 第42-58页 |
| 4.1 引言 | 第42页 |
| 4.2 系统概要设计 | 第42-46页 |
| 4.2.1 系统需求 | 第42-43页 |
| 4.2.2 神经网络训练过程 | 第43-45页 |
| 4.2.3 肺结节识别过程 | 第45-46页 |
| 4.2.4 文本记录的保存与分析 | 第46页 |
| 4.3 系统设计 | 第46-50页 |
| 4.4 神经网络参数调整 | 第50-52页 |
| 4.5 实验结果比较分析 | 第52-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
