首页--医药、卫生论文--一般理论论文--医学与其他学科的关系论文

基于不均衡医疗影像数据集的分类方法与应用研究

摘要第4-5页
Abstract第5页
第1章 绪论第8-14页
    1.1 课题的背景及研究的目的和意义第8-10页
    1.2 国内外研究现状第10-12页
    1.3 主要研究内容第12页
    1.4 论文结构与章节安排第12-14页
第2章 白内障眼底图像分级的相关知识与技术第14-28页
    2.1 引言第14页
    2.2 白内障眼底图像的分级标准第14-15页
    2.3 疾病诊断问题中的数据集不均衡问题第15-19页
        2.3.1 度量标准第16-17页
        2.3.2 解决技术第17-19页
    2.4 基于深度卷积神经网络的特征学习第19-25页
        2.4.1 感知机第20-21页
        2.4.2 神经网络第21-23页
        2.4.3 卷积神经网络第23-24页
        2.4.4 残差网络第24-25页
    2.5 本章小结第25-28页
第3章 基于数据增加的白内障分类方法第28-36页
    3.1 引言第28页
    3.2 基于图像的数据增加技术第28-34页
        3.2.1 图像旋转与图像翻转第28-29页
        3.2.2 随机明暗变换第29页
        3.2.3 随机裁剪第29-30页
        3.2.4 实验第30-34页
    3.3 本章小结第34-36页
第4章 基于代价敏感与数据增加的白内障分类方法第36-44页
    4.1 引言第36页
    4.2 数据预处理第36-39页
    4.3 代价敏感策略第39-40页
    4.4 残差网络的实现与参数设置第40-41页
    4.5 实验第41-42页
    4.6 本章小结第42-44页
第5章 白内障远程诊断系统第44-56页
    5.1 引言第44页
    5.2 系统简述第44-45页
    5.3 系统需求分析第45页
    5.4 功能概述第45-47页
        5.4.1 为用户提供基于Browser/Server架构的服务第45页
        5.4.2 上传眼底图像进行分级诊断第45-46页
        5.4.3 提供眼底图像URL链接进行分级诊断第46-47页
    5.5 系统实现第47-50页
        5.5.1 环境配置第47-48页
        5.5.2 分类器的训练第48-49页
        5.5.3 服务器端开发第49-50页
    5.6 使用说明第50-54页
        5.6.1 访问服务器第50-51页
        5.6.2 提供眼底图像第51-52页
        5.6.3 显示诊断结果第52-54页
    5.7 本章小结第54-56页
结论第56-58页
参考文献第58-62页
攻读硕士期间所取得的研究成果第62-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:基于移动端上下文感知模型的新闻主题抽取算法研究及系统实现
下一篇:基于稀疏表示的深度图像重建方法研究