宫颈癌放疗中直肠毒性预测的研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 章节安排 | 第15-16页 |
| 第二章 算法原理介绍 | 第16-24页 |
| 2.1 机器学习算法 | 第16-20页 |
| 2.1.1 逻辑回归模型 | 第16-17页 |
| 2.1.2 支持向量机模型 | 第17-20页 |
| 2.2 深度学习算法 | 第20-23页 |
| 2.2.1 卷积神经网络 | 第21-23页 |
| 2.3 小结 | 第23-24页 |
| 第三章 基于机器学习的直肠毒性预测方法 | 第24-38页 |
| 3.1 引言 | 第24-25页 |
| 3.2 材料和方法 | 第25-31页 |
| 3.2.1 临床实验数据 | 第25-26页 |
| 3.2.2 方法概述 | 第26-27页 |
| 3.2.3 剂量累加及3D-2D剂量映射 | 第27-28页 |
| 3.2.4 剂量特征提取 | 第28-29页 |
| 3.2.5 直肠毒性预测模型 | 第29-30页 |
| 3.2.6 对比研究和统计分析 | 第30页 |
| 3.2.7 评价指标 | 第30-31页 |
| 3.3 实验结果 | 第31-36页 |
| 3.3.1 配准结果 | 第31-33页 |
| 3.3.2 特征选择结果 | 第33-34页 |
| 3.3.3 模型分析结果 | 第34-36页 |
| 3.4 讨论和总结 | 第36-38页 |
| 3.4.1 讨论 | 第36-37页 |
| 3.4.2 总结 | 第37-38页 |
| 第四章 基于深度学习的直肠毒性预测方法 | 第38-52页 |
| 4.1 引言 | 第38-39页 |
| 4.2 基于深度卷积神经网络的直肠毒性预测 | 第39-44页 |
| 4.2.1 深度卷积神经网络 | 第40-42页 |
| 4.2.2 迁移学习 | 第42-43页 |
| 4.2.3 数据预处理 | 第43-44页 |
| 4.3 实验结果 | 第44-48页 |
| 4.3.1 模型分析结果 | 第44-46页 |
| 4.3.2 梯度加权类激活映射 | 第46-48页 |
| 4.4 讨论和总结 | 第48-52页 |
| 4.4.1 讨论 | 第48-50页 |
| 4.4.2 总结 | 第50-52页 |
| 第五章 总结与展望 | 第52-55页 |
| 5.1 总结 | 第52-53页 |
| 5.2 存在的主要问题及展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间成果 | 第61-63页 |
| 致谢 | 第63-65页 |
