一种基于众包平台的医学图像分类方法
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 医学图像分类方法 | 第10-11页 |
| 1.2.2 众包平台研究技术 | 第11-12页 |
| 1.2.3 众包核心问题研究 | 第12-13页 |
| 1.3 问题的提出 | 第13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-17页 |
| 第2章 基于众包平台的医学图像分类技术 | 第17-29页 |
| 2.1 医学图像预处理 | 第17-20页 |
| 2.2 相关分类算法 | 第20-22页 |
| 2.2.1 逻辑回归 | 第20页 |
| 2.2.2 支持向量机 | 第20-21页 |
| 2.2.3 k近邻算法 | 第21页 |
| 2.2.4 弱对称性分类算法 | 第21-22页 |
| 2.3 众包平台开发技术 | 第22-25页 |
| 2.3.1 Kotlin开发语言 | 第22-23页 |
| 2.3.2 Vert.x全异步框架 | 第23-24页 |
| 2.3.3 MongoDB | 第24-25页 |
| 2.4 众包核心研究问题 | 第25-27页 |
| 2.4.1 任务分配问题 | 第25-26页 |
| 2.4.2 质量控制问题 | 第26-27页 |
| 2.5 本章小节 | 第27-29页 |
| 第3章 基于众包平台的医学图像分类框架 | 第29-43页 |
| 3.1 基本定义 | 第29-32页 |
| 3.2 HMC框架 | 第32-37页 |
| 3.2.1 预分类阶段 | 第33-34页 |
| 3.2.2 算法评估阶段 | 第34-36页 |
| 3.2.3 图像分配规则 | 第36-37页 |
| 3.3 实验结果分析 | 第37-41页 |
| 3.3.1 数据集预分类阶段 | 第37-38页 |
| 3.3.2 算法评估阶段 | 第38-40页 |
| 3.3.3 算法优化效果对比实验 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于众包平台的工人质量评估策略 | 第43-55页 |
| 4.1 基本定义 | 第43-45页 |
| 4.1.1 工人阶段性测试 | 第44页 |
| 4.1.2 众包工人 | 第44-45页 |
| 4.1.3 众包任务 | 第45页 |
| 4.2 工人质量评估模型 | 第45-48页 |
| 4.2.1 标签匹配度 | 第46页 |
| 4.2.2 工人质量模型 | 第46-47页 |
| 4.2.3 工人表现预测模型 | 第47-48页 |
| 4.2.4 众包平台工作流程 | 第48页 |
| 4.3 实验结果与分析 | 第48-54页 |
| 4.3.1 工人质量评估模型对比实验 | 第49-51页 |
| 4.3.2 移动众包应用界面 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-65页 |
| 致谢 | 第65-66页 |
