基于深度学习的肺癌检测模型
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 基于传统的肺癌检测方法 | 第12页 |
| 1.2.2 基于深度学习的肺癌检测方法 | 第12-17页 |
| 1.3 本文的主要研究内容 | 第17-18页 |
| 1.4 论文结构论述 | 第18-20页 |
| 第2章 肺部图像的预处理以及图像增强 | 第20-27页 |
| 2.1 数据库介绍 | 第20-21页 |
| 2.2 肺部图像的预处理 | 第21-24页 |
| 2.2.1 设置阈值 | 第22-23页 |
| 2.2.2 肺部组织分割 | 第23-24页 |
| 2.2.3 归一化 | 第24页 |
| 2.3 数据增强 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 三维卷积肺癌检测模型 | 第27-39页 |
| 3.1 三维卷积结节检测模型 | 第27-31页 |
| 3.2 检测模型的训练 | 第31-34页 |
| 3.2.1 数据标注准备 | 第31页 |
| 3.2.2 损失函数设计 | 第31-32页 |
| 3.2.3 迁移学习 | 第32-34页 |
| 3.3 检测模型预测 | 第34-35页 |
| 3.4 肺癌分类模型 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 实验与分析 | 第39-46页 |
| 4.1 实验准备 | 第39页 |
| 4.2 结节检测召回率 | 第39-43页 |
| 4.3 结节分类 | 第43页 |
| 4.4 肺癌分类 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 总结与展望 | 第46-47页 |
| 5.1 工作总结 | 第46页 |
| 5.2 工作展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简介 | 第50-51页 |
| 致谢 | 第51页 |
