| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 国内外研究现状及课题意义 | 第12-14页 |
| 1.3 论文研究内容与组织结构 | 第14-16页 |
| 1.3.1 论文研究内容 | 第14-15页 |
| 1.3.2 组织结构 | 第15-16页 |
| 第二章 乳腺X线图像预处理 | 第16-34页 |
| 2.1 乳腺X线图像去噪 | 第16-23页 |
| 2.1.1 乳腺X线图像的噪声特点 | 第16-17页 |
| 2.1.2 图像质量评价方法 | 第17-19页 |
| 2.1.3 乳腺X线影像的去噪算法 | 第19-22页 |
| 2.1.4 乳腺X线影像去噪实验 | 第22-23页 |
| 2.2 乳腺X线图像分割 | 第23-28页 |
| 2.2.1 乳腺肿块图像分割算法 | 第24-26页 |
| 2.2.2 分割算法在乳腺图像上的应用 | 第26-28页 |
| 2.3 乳腺肿块图像形态学处理 | 第28-32页 |
| 2.3.1 形态学基本理论 | 第28-30页 |
| 2.3.2 形态学处理的应用 | 第30-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第三章 卷积神经网络在乳腺肿块良恶性区分的应用 | 第34-48页 |
| 3.1 卷积神经网络 | 第34-38页 |
| 3.1.1 模型基本结构 | 第34-37页 |
| 3.1.2 模型训练过程 | 第37-38页 |
| 3.2 模型评估方法 | 第38-39页 |
| 3.3 实验与结果分析 | 第39-46页 |
| 3.3.1 样本数据选择 | 第39-40页 |
| 3.3.2 数据预处理 | 第40-42页 |
| 3.3.3 实验平台 | 第42-44页 |
| 3.3.4 实验设计 | 第44-45页 |
| 3.3.5 结果分析 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 基于迁移学习的卷积神经网络在乳腺肿块良恶性区分中的应用 | 第48-58页 |
| 4.1 迁移学习 | 第48-49页 |
| 4.2 基于迁移学习的卷积神经网络 | 第49-52页 |
| 4.3 实验与结果分析 | 第52-57页 |
| 4.3.1 实验准备工作 | 第52页 |
| 4.3.2 实验设计 | 第52-53页 |
| 4.3.3 结果分析 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-70页 |
| 附录A: 攻读硕士学位期间学术论文发表成果 | 第70-72页 |
| 附录B: 攻读硕士学位期间参与的基金项目 | 第72页 |