| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-29页 |
| 1.1 课题背景与意义 | 第13-15页 |
| 1.2 基于钼靶影像的乳腺癌病理学分级 | 第15-27页 |
| 1.2.1 乳腺肿瘤分割方法 | 第15-19页 |
| 1.2.2 基于医学影像的肿瘤病理学分级算法 | 第19-24页 |
| 1.2.3 钼靶影像数据集和评价准则 | 第24-27页 |
| 1.3 本文主要工作和结构安排 | 第27-29页 |
| 第二章 基于ASPP-FC-DenseNet的乳腺癌分割算法 | 第29-39页 |
| 2.1 引言 | 第29-30页 |
| 2.2 FC-DenseNet语义分割网络 | 第30-31页 |
| 2.3 基于ASPP-FC-DenseNet的乳腺癌分割算法 | 第31-34页 |
| 2.4 实验结果与分析 | 第34-37页 |
| 2.4.1 ASPP-FC-DenseNet网络分割结果 | 第34-36页 |
| 2.4.2 与其他分割算法对比 | 第36-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于S-DenseNet的乳腺癌病理学分级算法 | 第39-49页 |
| 3.1 引言 | 第39-40页 |
| 3.2 DenseNet分类网络 | 第40-41页 |
| 3.3 基于S-DenseNet的乳腺癌病理学分级算法 | 第41-44页 |
| 3.4 实验结果与分析 | 第44-47页 |
| 3.4.1 与传统分类器性能对比 | 第44-45页 |
| 3.4.2 与其他深层分类网络模型性能对比 | 第45-47页 |
| 3.4.3 与DenseNet网络模型性能对比 | 第47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 多层次特征融合的端到端乳腺癌病理学分级算法 | 第49-61页 |
| 4.1 引言 | 第49-50页 |
| 4.2 多层次特征融合的端到端乳腺癌病理学分级方法 | 第50-56页 |
| 4.2.1 传统低层特征的提取与筛选 | 第50-55页 |
| 4.2.2 CNN与传统低层特征的融合 | 第55-56页 |
| 4.3 实验结果与分析 | 第56-60页 |
| 4.3.1 特征选择的分类性能对比 | 第56-58页 |
| 4.3.2 特征融合的分类性能对比 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 课题工作总结 | 第61-62页 |
| 5.2 后续工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 | 第68-69页 |
