基于卷积神经网络的肺结节辅助检测系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题的来源及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 课题研究内容 | 第9-10页 |
| 1.4 论文的组织结构 | 第10页 |
| 1.5 本章小结 | 第10-12页 |
| 第二章 数据处理及分析 | 第12-23页 |
| 2.1 肺结节详解与结节检测流程 | 第12-13页 |
| 2.1.1 肺结节详解 | 第12页 |
| 2.1.2 肺结节检测流程 | 第12-13页 |
| 2.2 数据分析处理 | 第13-16页 |
| 2.2.1 数据分析 | 第13-15页 |
| 2.2.2 数据处理 | 第15-16页 |
| 2.3 基于自动阈值的整肺分割 | 第16-19页 |
| 2.3.1 选取自动阈值 | 第16-17页 |
| 2.3.2 整肺分割 | 第17-19页 |
| 2.4 基于自动阈值的ROI提取与特征提取 | 第19-22页 |
| 2.4.1 ROI分割 | 第19-20页 |
| 2.4.2 提取形态特征 | 第20-21页 |
| 2.4.3 ROI分割方法比较 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 肺结节检测及系统实现相关技术 | 第23-32页 |
| 3.1 基于CNN的肺结节检测技术 | 第23-27页 |
| 3.1.1 神经网络概述 | 第23-24页 |
| 3.1.2 卷积神经网络(CNN) | 第24-27页 |
| 3.2 系统相关技术 | 第27-31页 |
| 3.2.1 SpringMVC框架 | 第27-29页 |
| 3.2.2 MyBatis框架 | 第29-30页 |
| 3.2.3 Maven框架 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 神经网络模型优化 | 第32-45页 |
| 4.1 模型设计构建 | 第32-36页 |
| 4.1.1 构建模型 | 第32-33页 |
| 4.1.2 模型层次化 | 第33-34页 |
| 4.1.3 模型优化思路 | 第34-35页 |
| 4.1.4 LOSS函数的设计 | 第35页 |
| 4.1.5 改进CNN模型 | 第35-36页 |
| 4.2 孤立结节检测 | 第36-39页 |
| 4.3 实验与分析 | 第39-44页 |
| 4.3.1 数据准备 | 第39页 |
| 4.3.2 孤立性肺结节检测评价方法 | 第39-40页 |
| 4.3.3 检测结果与分析 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 肺结节辅助检测系统的实现及测试 | 第45-53页 |
| 5.1 肺结节辅助检测系统 | 第45-48页 |
| 5.1.1 系统设计 | 第45页 |
| 5.1.2 系统实现 | 第45-46页 |
| 5.1.3 数据解析 | 第46-48页 |
| 5.1.4 数据处理 | 第48页 |
| 5.2 功能展示 | 第48-51页 |
| 5.3 系统测试 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 未来展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 个人简介及攻读硕士学位期间获得成果情况 | 第60页 |
