| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 引言 | 第11-14页 |
| 1.1 研究医疗辅助手段预测的目的和意义 | 第11-12页 |
| 1.1.1 前言 | 第11页 |
| 1.1.2 医疗辅助手段预测的意义 | 第11-12页 |
| 1.2 本文所做的工作 | 第12-14页 |
| 第二章 神经网络和遗传算法理论基础 | 第14-28页 |
| 2.1 人工神经网络 | 第14-22页 |
| 2.1.1 人工神经网络的发展与介绍 | 第14-15页 |
| 2.1.2 人工神经网络的生物学基础 | 第15页 |
| 2.1.3 人工神经元模型 | 第15-16页 |
| 2.1.4 人工神经网络的基本特征 | 第16页 |
| 2.1.5 人工神经网络的应用 | 第16-17页 |
| 2.1.6 神经网络基本原理 | 第17-18页 |
| 2.1.7 反向传播BP 网络算法 | 第18-22页 |
| 2.2 遗传算法 | 第22-27页 |
| 2.2.1 遗传算法基本原理 | 第22-25页 |
| 2.2.2 遗传算法编码 | 第25-27页 |
| 2.3 神经网络与遗传算法的优缺点 | 第27-28页 |
| 第三章 GBP 算法的实现以及在肺癌治疗手段预测的应用 | 第28-51页 |
| 3.1 遗传算法与神经网络结合方法 | 第28-29页 |
| 3.2 BP 神经网络结合遗传算法改进的算法—GBP 算法 | 第29-31页 |
| 3.3 GBP 算法在肺癌治疗手段预测的意义 | 第31-32页 |
| 3.4 肺癌治疗手段预测系统的详细设计 | 第32-34页 |
| 3.4.1 系统体系结构 | 第32页 |
| 3.4.2 系统静态图 | 第32-33页 |
| 3.4.3 系统活动图 | 第33页 |
| 3.4.4 系统设计目标 | 第33-34页 |
| 3.5 肺癌治疗预测系统的具体实现 | 第34-36页 |
| 3.6 GBP 算法用于肺癌治疗手段预测训练过程 | 第36-42页 |
| 3.6.1 数据预处理 | 第36-37页 |
| 3.6.2 遗传算法优化网络初始权重 | 第37-41页 |
| 3.6.3 遗传算法与BP 算法交替修正网络权重 | 第41-42页 |
| 3.7 实际应用效果 | 第42-51页 |
| 第四章 结论与展望 | 第51-52页 |
| 4.1 结论 | 第51页 |
| 4.2 展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 在学期间公开发表论文情况 | 第55页 |