| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 选题背景及研究意义 | 第9-12页 |
| 1.2 机器学习概况 | 第12-13页 |
| 1.3 深度学习在医学影像中的应用 | 第13-16页 |
| 1.4 本文结构 | 第16-18页 |
| 第二章 半监督学习 | 第18-28页 |
| 2.1 半监督学习概念 | 第18-21页 |
| 2.2 半监督学习方法 | 第21-26页 |
| 2.2.1 协同训练模型 | 第21-22页 |
| 2.2.2 半监督支持向量机模型 | 第22-25页 |
| 2.2.3 图半监督模型 | 第25-26页 |
| 2.2.4 生成式模型 | 第26页 |
| 2.3 半监督学习的应用 | 第26-28页 |
| 第三章 基于半监督阶梯网络的CT腹部影像肝脏轮廓的分割 | 第28-45页 |
| 3.1 深度学习相关技术 | 第28-30页 |
| 3.1.1 激活函数 | 第28-29页 |
| 3.1.2 Dropout | 第29-30页 |
| 3.2 半监督阶梯网络 | 第30-36页 |
| 3.2.1 半监督阶梯网络的构建 | 第31-34页 |
| 3.2.2 批量归一化 | 第34-35页 |
| 3.2.3 完全卷积神经网络 | 第35-36页 |
| 3.3 数据准备 | 第36-37页 |
| 3.4 数据预处理 | 第37-38页 |
| 3.5 网络构建 | 第38-40页 |
| 3.5.1 基于多层感知机的阶梯网络 | 第38-39页 |
| 3.5.2 基于卷积神经网络的阶梯网络 | 第39-40页 |
| 3.6 实验分析 | 第40-44页 |
| 3.6.1 path个数对准确率的影响 | 第40-41页 |
| 3.6.2 权重参数的选择 | 第41页 |
| 3.6.3 标记样本数准确率的影响 | 第41-43页 |
| 3.6.4 未标记样本数对准确率的影响 | 第43-44页 |
| 3.7 结论 | 第44-45页 |
| 第四章 总结与展望 | 第45-47页 |
| 4.1 工作总结 | 第45-46页 |
| 4.2 展望 | 第46-47页 |
| 参考文献 | 第47-56页 |
| 作者及科研成果简介 | 第56-57页 |
| 致谢 | 第57页 |