| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 符号说明 | 第17-18页 |
| 第一章 概述 | 第18-30页 |
| 1.1 课题研究背景及意义 | 第18-20页 |
| 1.2 国内外相关研究的发展与现状 | 第20-26页 |
| 1.2.1 人工神经网络算法的发展 | 第20-22页 |
| 1.2.2 人工神经网络用于癌症筛查与诊断 | 第22-25页 |
| 1.2.3 癌症筛查与诊断所面临的问题 | 第25-26页 |
| 1.3 本论文的研究内容和组织结构 | 第26-30页 |
| 1.3.1 本论文的研究内容及创新点 | 第26-28页 |
| 1.3.2 本论文的组织结构 | 第28-30页 |
| 第二章 人工神经网络与深度学习基础理论 | 第30-48页 |
| 2.1 从神经网络到深度学习 | 第30-35页 |
| 2.1.1 基本问题描述 | 第30-32页 |
| 2.1.2 多层感知器 | 第32-33页 |
| 2.1.3 卷积神经网络 | 第33-35页 |
| 2.2 损失函数 | 第35-38页 |
| 2.2.1 均方差损失函数 | 第35-36页 |
| 2.2.2 交叉熵损失函数 | 第36-38页 |
| 2.3 梯度下降 | 第38页 |
| 2.4 反向传播 | 第38-44页 |
| 2.4.1 全连接层的反向传播 | 第39-40页 |
| 2.4.2 激活函数的反向传播 | 第40-41页 |
| 2.4.3 卷积层的反向传播 | 第41-42页 |
| 2.4.4 池化层的反向传播 | 第42-44页 |
| 2.5 正则化 | 第44-45页 |
| 2.5.1 参数范数惩罚 | 第44页 |
| 2.5.2 Dropout | 第44-45页 |
| 2.6 一些度量准则 | 第45-47页 |
| 2.6.1 混淆矩阵 | 第45-46页 |
| 2.6.2 ROC曲线 | 第46-47页 |
| 2.7 本章总节 | 第47-48页 |
| 第三章 基于2D多视野卷积神经网络的肺结节分类研究 | 第48-64页 |
| 3.1 CT与肺结节 | 第48-49页 |
| 3.1.1 CT | 第48-49页 |
| 3.1.2 肺部结节 | 第49页 |
| 3.2 基于肺部CT的智能筛查和诊断相关研究 | 第49-50页 |
| 3.3 2D多视野卷积神经网络(2D MV-CNN) | 第50-53页 |
| 3.3.1 多视野策略 | 第50-51页 |
| 3.3.2 2D MV-CNN的计算模块 | 第51-53页 |
| 3.4 2D MV-CNN用于LIDC-IDRI数据集分类实验 | 第53-60页 |
| 3.4.1 LIDC-IDRI数据集 | 第53页 |
| 3.4.2 数据预处理 | 第53-55页 |
| 3.4.3 实验结果及分析 | 第55-59页 |
| 3.4.4 与手工特征提取算法及其他相关研究结果对比 | 第59-60页 |
| 3.5 讨论 | 第60-63页 |
| 3.5.1 ROC曲线 | 第60-61页 |
| 3.5.2 散点图 | 第61-62页 |
| 3.5.3 可区分性 | 第62-63页 |
| 3.6 本章总结 | 第63-64页 |
| 第四章 基于3D多视野卷积神经网络的肺结节分类研究 | 第64-80页 |
| 4.1 3D CNN在医疗图像中的相关研究 | 第64-65页 |
| 4.2 3D多视野卷积神经网络(3D MV-CNN) | 第65-70页 |
| 4.2.1 3D MV-CNN的计算模块 | 第65-68页 |
| 4.2.2 3D MV-CNN网络构架 | 第68-70页 |
| 4.3 3D MV-CNN用于LIDC-IDRI数据集分类实验 | 第70-76页 |
| 4.3.1 数据预处理 | 第70-72页 |
| 4.3.2 实验结果及分析 | 第72-75页 |
| 4.3.3 与其他手工特征提取算法及相关研究结果对比 | 第75-76页 |
| 4.4 讨论 | 第76-79页 |
| 4.4.1 参数数量v.s训练时间v.s错误率 | 第76页 |
| 4.4.2 平均池化 | 第76-77页 |
| 4.4.3 可区分性 | 第77-78页 |
| 4.4.4 与多视野多网络策略对比 | 第78-79页 |
| 4.5 本章总结 | 第79-80页 |
| 第五章 基于FCLF-CNN与细胞学特征的乳腺癌诊断 | 第80-96页 |
| 5.1 在WDBC与WBCD数据集上的相关研究 | 第80-81页 |
| 5.2 FCLF-CNN | 第81-85页 |
| 5.2.1 1D CNN | 第81-83页 |
| 5.2.2 FCLF-CNN | 第83-85页 |
| 5.3 FCLF-CNN用于WDBC与WBCD数据集分类实验 | 第85-91页 |
| 5.3.1 WDBC与WBCD数据集介绍 | 第85-86页 |
| 5.3.2 数据预处理 | 第86页 |
| 5.3.3 实验过程与结果 | 第86-91页 |
| 5.4 讨论 | 第91-95页 |
| 5.4.1 在其他数据集上的表现 | 第91-92页 |
| 5.4.2 全连接层所获得的表示 | 第92-95页 |
| 5.5 本章总结 | 第95-96页 |
| 第六章 基于血常规、尿常规及肿瘤标记物的癌症早期筛查 | 第96-112页 |
| 6.1 利用血液数据进行癌症筛查的相关研究 | 第96-97页 |
| 6.2 证明阈值选择受数据均衡程度影响 | 第97-102页 |
| 6.2.1 ROC曲线上阈值选择的问题描述 | 第98页 |
| 6.2.2 最大准确率原则 | 第98-99页 |
| 6.2.3 最大F_β原则 | 第99-100页 |
| 6.2.4 最大平均互信息原则 | 第100-102页 |
| 6.3 总体癌症实验 | 第102-107页 |
| 6.3.1 数据 | 第102-103页 |
| 6.3.2 实验结果与讨论 | 第103-107页 |
| 6.4 在多种癌症上实现 | 第107-109页 |
| 6.4.1 肺癌 | 第107页 |
| 6.4.2 肝癌 | 第107-108页 |
| 6.4.3 乳腺癌 | 第108页 |
| 6.4.4 宫颈癌 | 第108页 |
| 6.4.5 肾癌 | 第108页 |
| 6.4.6 阈值选择与性能对比 | 第108-109页 |
| 6.5 本章总结 | 第109-112页 |
| 第七章 总结与展望 | 第112-115页 |
| 7.1 本论文工作总结 | 第112-113页 |
| 7.2 下一步研究展望 | 第113-115页 |
| 参考文献 | 第115-134页 |
| 附录1 第六章中所有特征及对应的AUC | 第134-135页 |
| 附录2 缩略词表 | 第135-138页 |
| 致谢 | 第138-139页 |
| 读博期间主要成果 | 第139-140页 |
