| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 肺结节CAD系统研究现状 | 第11-14页 |
| 1.2.2 端到端机器学习模型在肺结节诊断中的研究现状 | 第14-16页 |
| 1.3 存在问题 | 第16-17页 |
| 1.4 论文研究内容和结构安排 | 第17-18页 |
| 1.5 小结 | 第18-20页 |
| 第二章 人工神经网络 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 人工神经网络 | 第20-25页 |
| 2.2.1 单层感知器 | 第20-22页 |
| 2.2.2 前向传播和反向传播 | 第22-25页 |
| 2.3 大规模训练人工神经网络 | 第25-26页 |
| 2.4 小结 | 第26-28页 |
| 第三章 卷积神经网络 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 卷积神经网络 | 第28-31页 |
| 3.2.1 卷积神经网络结构 | 第28-29页 |
| 3.2.2 卷积层 | 第29-30页 |
| 3.2.3 池化层 | 第30-31页 |
| 3.2.4 全连接层 | 第31页 |
| 3.3 深度学习框架Caffe | 第31-34页 |
| 3.3.1 Caffe架构 | 第31-32页 |
| 3.3.2 准备Caffe环境 | 第32-34页 |
| 3.4 小结 | 第34-36页 |
| 第四章 自定义肺结节良恶性分类卷积神经网络模型 | 第36-52页 |
| 4.1 引言 | 第36页 |
| 4.2 数据集与评价指标 | 第36-39页 |
| 4.2.1 数据集 | 第36-38页 |
| 4.2.2 评价指标 | 第38-39页 |
| 4.3 网络结构设计 | 第39-44页 |
| 4.3.1 结构介绍 | 第39-40页 |
| 4.3.2 实验设计 | 第40-42页 |
| 4.3.3 实验结果分析 | 第42-44页 |
| 4.4 选择激活函数 | 第44-47页 |
| 4.5 超参数设置 | 第47-50页 |
| 4.5.1 超参数介绍 | 第47页 |
| 4.5.2 实验设计 | 第47-48页 |
| 4.5.3 实验结果分析 | 第48-50页 |
| 4.6 自定义卷积神经网络用于肺结节良恶性分类 | 第50-51页 |
| 4.7 小结 | 第51-52页 |
| 第五章 大规模输入卷积神经网络用于肺结节良恶性分类 | 第52-60页 |
| 5.1 引言 | 第52页 |
| 5.2 过拟合问题分析 | 第52-53页 |
| 5.3 大规模输入卷积神经网络用于肺结节良恶性分类 | 第53-58页 |
| 5.3.1 算法思想 | 第53-54页 |
| 5.3.2 实验设计和结果分析 | 第54-58页 |
| 5.4 与现有文献的对比 | 第58-59页 |
| 5.5 小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文工作总结 | 第60-61页 |
| 6.2 后续工作与展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
