| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的主要工作 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 卷积神经网络和深度学习 | 第13-24页 |
| 2.1 卷积神经网络 | 第13-17页 |
| 2.1.1 卷积神经网络简介 | 第13页 |
| 2.1.2 卷积神经网络结构 | 第13-15页 |
| 2.1.3 卷积神经网络中的反向传播 | 第15-17页 |
| 2.1.4 dropout增强网络泛化 | 第17页 |
| 2.2 分类器 | 第17-20页 |
| 2.2.1 支持向量机SVM | 第17-19页 |
| 2.2.2 Softmax回归 | 第19-20页 |
| 2.3 深度学习 | 第20-24页 |
| 2.3.1 深度学习简介 | 第20-22页 |
| 2.3.2 Caffe框架 | 第22-24页 |
| 第三章 基于改进型Faster RCNN的食道癌图像检测技术 | 第24-50页 |
| 3.1 食道癌图像检测 | 第24-25页 |
| 3.1.1 食道癌简介 | 第24-25页 |
| 3.1.2 食道癌图像检测的发展现状 | 第25页 |
| 3.2 基于感兴趣区域的目标检测算法 | 第25-35页 |
| 3.2.1 基于感兴趣区域的目标检测算法简介 | 第25-27页 |
| 3.2.2 Fast RCNN算法 | 第27-31页 |
| 3.2.3 Faster RCNN算法 | 第31-35页 |
| 3.3 Faster RCNN算法的改进方法 | 第35-37页 |
| 3.3.1 困难负样本挖掘技术 | 第35页 |
| 3.3.2 在线困难样本挖掘技术 | 第35-37页 |
| 3.4 食道癌图像数据集实验结果与分析 | 第37-50页 |
| 3.4.1 食道癌图像数据集 | 第37-38页 |
| 3.4.2 网络结构 | 第38-40页 |
| 3.4.3 实验环境 | 第40-42页 |
| 3.4.4 实验设计 | 第42-43页 |
| 3.4.5 实验结果与分析 | 第43-50页 |
| 第四章 食道癌图像检测系统的设计开发和实现 | 第50-57页 |
| 4.1 相关技术知识 | 第50-51页 |
| 4.1.1 Flask | 第50页 |
| 4.1.2 OpenCV | 第50-51页 |
| 4.1.3 Matplotlib | 第51页 |
| 4.2 食道癌图像检测系统简介 | 第51-54页 |
| 4.2.1 食道癌图像检测系统需求分析 | 第51页 |
| 4.2.2 食道癌图像检测系统整体设计 | 第51-52页 |
| 4.2.3 开发环境 | 第52页 |
| 4.2.4 离线训练过程 | 第52-54页 |
| 4.3 用户界面设计 | 第54-55页 |
| 4.3.1 用户界面原型图 | 第54页 |
| 4.3.2 用户界面实现 | 第54-55页 |
| 4.3.3 用户界面效果图 | 第55页 |
| 4.4 系统效果 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |