基于模式识别技术的眼科疾病辅助诊断系统的研究
| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·眼科疾病辅助诊断的科研意义 | 第11-12页 |
| ·依托项目介绍 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| ·本文的内容安排 | 第14-16页 |
| 第2章 BP神经网络和支持向量机概述 | 第16-27页 |
| ·人工神经网络概述 | 第16-17页 |
| ·BP神经网络原理 | 第17-23页 |
| ·BP神经网络结构的确定 | 第17-19页 |
| ·BP神经网络算法 | 第19-23页 |
| ·支持向量机概述 | 第23-27页 |
| 第3章 红眼类疾病的背景知识和诊断过程 | 第27-31页 |
| ·眼部解剖结构概述 | 第27页 |
| ·临床常见的红眼类型 | 第27-28页 |
| ·红眼类疾病的诊断过程 | 第28-31页 |
| ·结膜充血对应的疾病 | 第29页 |
| ·睫状充血和混合充血对应的疾病 | 第29-31页 |
| 第4章 两种模式识别方法建模和对比实验 | 第31-51页 |
| ·病例数据的收集和研究方法 | 第31-33页 |
| ·病例数据的收集方法 | 第31页 |
| ·病例数据的研究方法 | 第31-33页 |
| ·基于BP神经网络的眼科辅助诊断模型 | 第33-36页 |
| ·BP网络模型的隐含层节点数的确定 | 第33-34页 |
| ·BP网络模型的隐含层数的确定 | 第34-36页 |
| ·对基于BP神经网络的辅助诊断模型的优化 | 第36-37页 |
| ·用附加动量方法优化BP网络学习过程 | 第36页 |
| ·用变学习率方法优化BP网络学习过程 | 第36-37页 |
| ·基于支持向量机的眼科辅助诊断模型 | 第37页 |
| ·对基于支持向量机的辅助诊断模型的优化 | 第37-47页 |
| ·交叉验证法简介 | 第37-39页 |
| ·SVM非启发式网格搜索参数寻优算法 | 第39-42页 |
| ·遗传算法简介 | 第42-45页 |
| ·SVM启发式遗传参数寻优算法 | 第45-47页 |
| ·两种诊断模型对比测试 | 第47-48页 |
| ·实验结果分析 | 第48-51页 |
| 第5章 眼科辅助诊断系统的设计和实现 | 第51-59页 |
| ·医学专家系统设计的新思路 | 第51-52页 |
| ·眼科辅助诊断系统总体设计 | 第52-53页 |
| ·眼科辅助诊断系统详细设计 | 第53-55页 |
| ·眼科辅助诊断系统界面总览 | 第55-59页 |
| 第6章 总结和展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
