基于卷积神经网络的肺炎类型影像判别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究的背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题的主要研究内容 | 第12-14页 |
| 第2章 卷积神经网络基本原理 | 第14-21页 |
| 2.1 神经网络的原理 | 第14-18页 |
| 2.1.1 神经元 | 第14-17页 |
| 2.1.2 神经网络 | 第17-18页 |
| 2.2 卷积神经网络原理 | 第18-20页 |
| 2.2.1 卷积层 | 第18-19页 |
| 2.2.2 下采样层 | 第19-20页 |
| 2.2.3 输出层 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 肺炎类型影像判别研究 | 第21-33页 |
| 3.1 肺炎CT影像预处理 | 第21-24页 |
| 3.1.1 中值滤波 | 第21-22页 |
| 3.1.2 二值化 | 第22-23页 |
| 3.1.3 闭运算 | 第23-24页 |
| 3.2 肺炎CT影像特征提取 | 第24-26页 |
| 3.2.1 肺炎CT特征 | 第24页 |
| 3.2.2 LBP特征 | 第24-26页 |
| 3.2.3 HOG特征 | 第26页 |
| 3.3 肺炎影像特征分类器 | 第26-32页 |
| 3.3.1 肺炎影像识别中常用分类器 | 第26-30页 |
| 3.3.2 卷积神经网络特征分类器 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 卷积神经网络的改进 | 第33-38页 |
| 4.1 Dropout技术 | 第33-34页 |
| 4.2 弹性梯度下降 | 第34-35页 |
| 4.3 卷积神经网络改进算法研究 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 实验与结果分析 | 第38-49页 |
| 5.1 实验环境 | 第38页 |
| 5.2 实验数据 | 第38-39页 |
| 5.3 改进卷积神经网络在肺炎识别中的应用 | 第39-42页 |
| 5.3.1 改进卷积神经网络的具体训练设置 | 第39-40页 |
| 5.3.2 改进卷积神经网络的识别过程 | 第40-42页 |
| 5.4 实验结果与比对 | 第42-48页 |
| 5.5 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间所发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
