| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第11-23页 |
| 1.1 论文选题依据、研究背景及意义 | 第11-12页 |
| 1.1.1 选题依据 | 第11页 |
| 1.1.2 研究背景和问题的提出 | 第11-12页 |
| 1.2 相关领域国内外研究现状 | 第12-18页 |
| 1.2.1 自然图像领域研究现状 | 第12-14页 |
| 1.2.2 医学影像领域研究现状 | 第14-18页 |
| 1.3 论文主要研究内容及安排 | 第18-20页 |
| 1.3.1 主要研究内容 | 第18-19页 |
| 1.3.2 论文组织结构 | 第19-20页 |
| 1.4 本章小结 | 第20-23页 |
| 2 深度学习和医学影像的相关知识 | 第23-39页 |
| 2.1 神经网络 | 第23-24页 |
| 2.2 神经网络类型 | 第24-32页 |
| 2.2.1 栈式自动编码器(SAE) | 第24-27页 |
| 2.2.2 受限玻尔兹曼机(RBM) | 第27-28页 |
| 2.2.3 深度置信网络(DBN) | 第28-29页 |
| 2.2.4 卷积神经网络(CNN) | 第29-31页 |
| 2.2.5 递归神经网络(RNN) | 第31-32页 |
| 2.3 深度学习框架 | 第32-33页 |
| 2.3.1 Caffe | 第32页 |
| 2.3.2 Tensorflow | 第32-33页 |
| 2.3.3 Theano | 第33页 |
| 2.3.4 Torch | 第33页 |
| 2.4 医学影像 | 第33-37页 |
| 2.4.1 医学影像的特点 | 第34页 |
| 2.4.2 CT影像 | 第34-35页 |
| 2.4.3 MRI影像 | 第35-36页 |
| 2.4.4 WSI影像 | 第36-37页 |
| 2.5 本章小结 | 第37-39页 |
| 3 基于内容的CT肺结节影像检索算法研究 | 第39-55页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基本框架及功能模块 | 第40-42页 |
| 3.2.1 基本框架 | 第40-41页 |
| 3.2.2 功能模块 | 第41-42页 |
| 3.3 基于CNN的肺结节影像特征提取算法研究 | 第42-45页 |
| 3.3.1 数据预处理 | 第42-43页 |
| 3.3.2 网络结构 | 第43-45页 |
| 3.3.3 训练 | 第45页 |
| 3.4 特征编码及检索算法改进研究 | 第45-48页 |
| 3.4.1 哈希编码 | 第45-46页 |
| 3.4.2 检索算法改进研究 | 第46-48页 |
| 3.5 实验及结果分析 | 第48-53页 |
| 3.5.1 数据集与预处理 | 第48-50页 |
| 3.5.2 检索性能与分析 | 第50-53页 |
| 3.6 本章小结 | 第53-55页 |
| 4 基于特征金字塔的组织病理学影像语义分割算法研究 | 第55-69页 |
| 4.1 引言 | 第55-57页 |
| 4.2 基本理论 | 第57-60页 |
| 4.2.1 自然图像领域的分割算法 | 第57-58页 |
| 4.2.2 特征金字塔 | 第58-59页 |
| 4.2.3 卷积与转置卷积 | 第59-60页 |
| 4.3 基于特征金字塔的病理影像分割算法 | 第60-64页 |
| 4.3.1 数据预处理 | 第60-61页 |
| 4.3.2 网络结构 | 第61-63页 |
| 4.3.3 训练 | 第63-64页 |
| 4.3.4 评价标准 | 第64页 |
| 4.4 实验结果及分析 | 第64-67页 |
| 4.4.1 Camelyon16数据集实验 | 第64-65页 |
| 4.4.2 GastricWSIsData数据集实验与分析 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 总结与展望 | 第69-72页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-72页 |
| 附录 | 第72-75页 |
| 参考文献 | 第75-85页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第85-87页 |
| 致谢 | 第87-88页 |