| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题来源及研究的背景和意义 | 第8-10页 |
| 1.1.1 课题的来源 | 第8页 |
| 1.1.2 课题的研究背景和意义 | 第8-10页 |
| 1.2 研究现状及分析 | 第10-12页 |
| 1.3 本文主要的研究内容 | 第12-15页 |
| 1.4 本文内容组织 | 第15-16页 |
| 第2章 甲状腺超声图像特征提取 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 甲状腺弥漫性疾病超声图像特征提取 | 第16-24页 |
| 2.2.1 感兴趣区域提取和预处理 | 第16-18页 |
| 2.2.2 甲状腺弥漫性图像特征 | 第18-24页 |
| 2.3 甲状腺结节性疾病超声图像特征提取 | 第24-28页 |
| 2.3.1 感兴趣区域提取和预处理 | 第25页 |
| 2.3.2 甲状腺结节性图像特征 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 甲状腺弥漫性疾病诊断 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 特征选择与分类 | 第30-35页 |
| 3.2.1 wrapper型与filter型特征选择 | 第30-31页 |
| 3.2.2 mRMR特征选择 | 第31-33页 |
| 3.2.3 SVM分类器 | 第33-35页 |
| 3.3 特征选择与分类结果 | 第35-38页 |
| 3.3.1 甲状腺弥漫性疾病数据来源 | 第35-36页 |
| 3.3.2 实验结果 | 第36-38页 |
| 3.4 分析与讨论 | 第38-42页 |
| 3.4.1 不同特征组合对比分析 | 第38-39页 |
| 3.4.2 不同分类器对比分析 | 第39-41页 |
| 3.4.3 统计分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 甲状腺结节性疾病诊断 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 卷积神经网络与Caffe框架 | 第43-45页 |
| 4.2.1 卷积神经网络 | 第43-44页 |
| 4.2.2 Caffe简介 | 第44-45页 |
| 4.3 甲状腺结节超声图像分类 | 第45-48页 |
| 4.3.1 甲状腺结节病疾病数据来源 | 第45页 |
| 4.3.2 VGGNet网络结构 | 第45-47页 |
| 4.3.3 分类结果 | 第47-48页 |
| 4.4 甲状腺结节超声图像分割 | 第48-54页 |
| 4.4.1 U-Net网络结构 | 第49-50页 |
| 4.4.2 分割结果 | 第50-54页 |
| 4.5 基于特征融合的分类与分析 | 第54-57页 |
| 4.5.1 神经网络特征与人工特征融合分类 | 第54-56页 |
| 4.5.2 特征融合分析 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 甲状腺疾病智能诊断系统 | 第59-65页 |
| 5.1 引言 | 第59页 |
| 5.2 甲状腺疾病智能诊断系统介绍 | 第59-60页 |
| 5.3 甲状腺弥漫性疾病诊断系统 | 第60-62页 |
| 5.3.1 系统设计 | 第60页 |
| 5.3.2 人机交互界面 | 第60-62页 |
| 5.4 甲状腺结节性疾病诊断系统 | 第62-64页 |
| 5.4.1 系统设计 | 第62-63页 |
| 5.4.2 人机交互界面 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第71-73页 |
| 致谢 | 第73页 |