| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第11-26页 |
| 1.1 课题的研究背景 | 第11-13页 |
| 1.2 医学肿瘤影像分类及肝细胞癌微血管侵犯的研究现状 | 第13-21页 |
| 1.2.1 利用PET研究MVI的尝试 | 第14-15页 |
| 1.2.2 利用CT研究MVI的局限 | 第15-18页 |
| 1.2.3 利用MRI研究MVI的希望 | 第18-21页 |
| 1.3 本文的主要研究内容 | 第21-25页 |
| 1.3.1 研究技术路线 | 第21-24页 |
| 1.3.2 具体研究内容 | 第24-25页 |
| 1.4 论文的组织结构 | 第25-26页 |
| 第二章 动态增强磁共振影像及特征提取支撑平台 | 第26-44页 |
| 2.1 引言 | 第26页 |
| 2.2 磁共振成像原理简介 | 第26-30页 |
| 2.3 动态增强磁共振影像简介 | 第30-31页 |
| 2.4 临床资料 | 第31页 |
| 2.5 医学影像分类评价指标 | 第31-32页 |
| 2.6 多模态医学影像特征提取平台 | 第32-43页 |
| 2.6.1 多模态影像解析模块 | 第33页 |
| 2.6.2 图像显示模块 | 第33-34页 |
| 2.6.3 感兴趣区域/体积勾画模块 | 第34-35页 |
| 2.6.4 特征提取和可视化模块 | 第35-43页 |
| 2.7 小结 | 第43-44页 |
| 第三章 基于医学肿瘤影像—阶统计特征及形态特征的分类研究 | 第44-60页 |
| 3.1 引言 | 第44页 |
| 3.2 医学统计的理论基础 | 第44-46页 |
| 3.2.1 假设检验 | 第44-45页 |
| 3.2.2 经典的假设检验方法 | 第45-46页 |
| 3.3 小数据集宫颈癌扩散加权成像的前期探索 | 第46-51页 |
| 3.3.1 临床资料 | 第47页 |
| 3.3.2 影像学检查 | 第47-48页 |
| 3.3.3 图像分析及后处理 | 第48-49页 |
| 3.3.4 统计学分析 | 第49页 |
| 3.3.5 结果 | 第49-51页 |
| 3.3.6 讨论 | 第51页 |
| 3.4 肝细胞癌微血管侵犯分类研究 | 第51-59页 |
| 3.4.1 一阶统计特征及形态特征提取 | 第51-52页 |
| 3.4.2 统计学分析 | 第52-53页 |
| 3.4.3 结果 | 第53-59页 |
| 3.5 小结 | 第59-60页 |
| 第四章 基于多期相多特征的医学肿瘤影像分类研究 | 第60-73页 |
| 4.1 引言 | 第60页 |
| 4.2 机器学习算法概述 | 第60-63页 |
| 4.2.1 支持向量机 | 第61-63页 |
| 4.3 医学影像多期相特征提取与选择 | 第63-65页 |
| 4.3.1 多期相特征提取与构建 | 第63-64页 |
| 4.3.2 医学常用特征选择 | 第64-65页 |
| 4.4 类别不平衡的处理 | 第65-66页 |
| 4.5 医学图像中常用的模型评估方法 | 第66-67页 |
| 4.6 实验结果 | 第67-72页 |
| 4.6.1 特征的筛选 | 第67-68页 |
| 4.6.2 肝癌微血管侵犯分类结果 | 第68-72页 |
| 4.7 小结 | 第72-73页 |
| 第五章 基于数据驱动的医学肿瘤影像分类算法研究 | 第73-96页 |
| 5.1 引言 | 第73页 |
| 5.2 深度学习的理论基础 | 第73-77页 |
| 5.2.1 前馈神经网络 | 第73-75页 |
| 5.2.2 反向传播算法 | 第75-77页 |
| 5.3 卷积神经网络概述 | 第77-78页 |
| 5.4 深度卷积网络的训练 | 第78-85页 |
| 5.4.1 激活函数 | 第78-79页 |
| 5.4.2 参数更新 | 第79-80页 |
| 5.4.3 学习速率 | 第80-81页 |
| 5.4.4 批归一化 | 第81-83页 |
| 5.4.5 Dropout | 第83-84页 |
| 5.4.6 超参数的选择 | 第84-85页 |
| 5.5 基于数据驱动的肝癌微血管侵犯的研究 | 第85-95页 |
| 5.5.1 数据获取 | 第86页 |
| 5.5.2 利用迁移学习进行肝癌微血管侵犯分类的初步探究 | 第86-90页 |
| 5.5.3 微血管侵犯网络(MviNet)实验设计 | 第90-93页 |
| 5.5.4 网络的训练、预测和评价指标 | 第93页 |
| 5.5.5 训练流程 | 第93-95页 |
| 5.6 实验结果 | 第95页 |
| 5.6.1 迁移学习训练结果 | 第95页 |
| 5.6.2 微血管侵犯网络训练结果 | 第95页 |
| 5.7 小结 | 第95-96页 |
| 第六章 总结与展望 | 第96-98页 |
| 6.1 总结 | 第96-97页 |
| 6.2 展望 | 第97-98页 |
| 参考文献 | 第98-109页 |
| 致谢 | 第109-111页 |
| 攻读博士期间所获成果 | 第111-112页 |
| 攻读博士期间参研项目列表 | 第112-113页 |
