| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的目的及意义 | 第10-11页 |
| 1.2 发展现状 | 第11-14页 |
| 1.2.1 医学图像分类识别的研究现状 | 第11-13页 |
| 1.2.2 深度学习研究发展现状 | 第13-14页 |
| 1.3 存在的挑战 | 第14-15页 |
| 1.4 课题来源及研究内容 | 第15-17页 |
| 1.4.1 课题来源 | 第15页 |
| 1.4.2 课题研究内容 | 第15-17页 |
| 第2章 深度学习相关理论 | 第17-28页 |
| 2.1 深度学习介绍 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-22页 |
| 2.2.1 模型结构 | 第19-20页 |
| 2.2.2 训练过程 | 第20-22页 |
| 2.3 深度置信网络 | 第22-27页 |
| 2.3.1 受限玻尔兹曼机 | 第22-25页 |
| 2.3.2 深度置信网络 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 卷积神经网络和支持向量机对孤立性肺结节良恶性的分类 | 第28-41页 |
| 3.1 问题的提出 | 第28-29页 |
| 3.2 粒子群优化的支持向量机 | 第29-32页 |
| 3.3 基于卷积神经网络和粒子群优化SVM模型 | 第32-33页 |
| 3.4 实验与分析 | 第33-40页 |
| 3.4.1 数据库及评价指标 | 第33-34页 |
| 3.4.2 数据预处理 | 第34-35页 |
| 3.4.3 卷积神经网络和支持向量机对孤立性肺结节的良恶性分类 | 第35-38页 |
| 3.4.4 不同CNN网络结构对分类结果的影响 | 第38-39页 |
| 3.4.5 本文算法与其他方法的比较 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 改进的深度置信网络对孤立性肺结节良恶性的分类 | 第41-50页 |
| 4.1 问题的提出 | 第41页 |
| 4.2 人工蜂群算法 | 第41-44页 |
| 4.3 人工蜂群算法改进的深度置信网络 | 第44-47页 |
| 4.4 实验与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
