基于卷积神经网络的癌症风险预测研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 智能医学影像识别概述 | 第11-16页 |
| 1.2.1 深度学习技术与工具简介 | 第11-13页 |
| 1.2.2 医学图像处理简介 | 第13-15页 |
| 1.2.3 国内外研究现状 | 第15-16页 |
| 1.3 论文的内容与创新点 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 医学图像处理与深度学习基础 | 第19-38页 |
| 2.1 图像数据处理 | 第19-22页 |
| 2.1.1 图像多分辨率表达 | 第19-20页 |
| 2.1.2 彩色图像处理 | 第20-21页 |
| 2.1.3 图像分割 | 第21-22页 |
| 2.1.4 数据扩充 | 第22页 |
| 2.2 卷积神经网络理论 | 第22-32页 |
| 2.2.1 神经网络理论基础 | 第22-28页 |
| 2.2.2 卷积神经网络 | 第28-32页 |
| 2.3 卷积神经网络算法研究 | 第32-34页 |
| 2.3.1 VGG卷积神经网络 | 第32页 |
| 2.3.2 深度残差卷积神经网络 | 第32-34页 |
| 2.4 验证与评估 | 第34-36页 |
| 2.4.1 交叉验证 | 第34-35页 |
| 2.4.2 模型评估标准 | 第35-36页 |
| 2.5 方案设计 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第三章 基于深度卷积神经网络的医学图像处理 | 第38-56页 |
| 3.1 引言 | 第38-39页 |
| 3.2 搭建实验环境 | 第39-41页 |
| 3.2.1 搭建系统开发环境 | 第39-40页 |
| 3.2.2 模型训练框架研究与部署 | 第40-41页 |
| 3.3 数据准备 | 第41-47页 |
| 3.3.1 图像预处理 | 第41-45页 |
| 3.3.2 构建数据集 | 第45-47页 |
| 3.4 模型的建立与训练 | 第47-52页 |
| 3.4.1 VGG卷积神经网络 | 第47-49页 |
| 3.4.2 残差卷积神经网络 | 第49-52页 |
| 3.5 模型评估结果分析 | 第52-54页 |
| 3.6 本章小结 | 第54-56页 |
| 第四章 乳腺癌风险筛查系统的设计与实现 | 第56-67页 |
| 4.1 引言 | 第56-57页 |
| 4.2 数据准备 | 第57-59页 |
| 4.2.1 癌症区域热图绘制 | 第57-58页 |
| 4.2.2 基于聚类算法的图像分割 | 第58-59页 |
| 4.3 构建数据集 | 第59-61页 |
| 4.3.1 数据集介绍 | 第59-60页 |
| 4.3.2 归一化处理 | 第60-61页 |
| 4.4 乳腺癌风险筛查模型建立与训练 | 第61-63页 |
| 4.4.1 建立模型 | 第61-62页 |
| 4.4.2 模型训练 | 第62-63页 |
| 4.4.3 交叉验证法 | 第63页 |
| 4.5 模型结果评估 | 第63-65页 |
| 4.6 系统性能优化 | 第65页 |
| 4.7 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 论文工作总结 | 第67页 |
| 5.2 存在的问题及下一步研究计划 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 作者攻读学位期间发表的学术论文目录 | 第74页 |
