| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 论文研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 深度学习的研究历史和现状 | 第11-12页 |
| 1.2.2 图像分割 | 第12-13页 |
| 1.2.3 肺结节识别 | 第13-14页 |
| 1.2.4 现存的问题和挑战 | 第14-15页 |
| 1.3 论文研究内容和贡献 | 第15-16页 |
| 1.4 论文的结构安排 | 第16-18页 |
| 第二章 肺结节的特征与卷积神经网络及其相关技术 | 第18-33页 |
| 2.1 CT影像的肺结节特征 | 第18-21页 |
| 2.1.1 CT影像及其文件格式 | 第18-20页 |
| 2.1.2 肺结节的特征 | 第20-21页 |
| 2.2 卷积神经网络经典模型 | 第21-25页 |
| 2.2.1 LeNet | 第21-22页 |
| 2.2.2 Alex Net | 第22-23页 |
| 2.2.3 VGG | 第23-24页 |
| 2.2.4 Google Net | 第24页 |
| 2.2.5 Res Net | 第24-25页 |
| 2.2.6 Dense Net | 第25页 |
| 2.3 卷积神经网络相关技术 | 第25-32页 |
| 2.3.1 误差逆传播算法 | 第26-27页 |
| 2.3.2 卷积神经网络基本结构 | 第27-28页 |
| 2.3.3 卷积神经网络特性 | 第28页 |
| 2.3.4 ReLU激活函数 | 第28-30页 |
| 2.3.5 代价函数 | 第30-31页 |
| 2.3.6 优化器算法 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于改进型U-Net的肺结节分割 | 第33-56页 |
| 3.1 引言 | 第33-34页 |
| 3.2 数据预处理 | 第34-36页 |
| 3.2.1 DICOM文件像素值转HU值 | 第34-35页 |
| 3.2.2 高斯滤波除噪声 | 第35-36页 |
| 3.2.3 标准化图像尺寸 | 第36页 |
| 3.3 肺实质提取 | 第36-39页 |
| 3.3.1 图像二值化 | 第36-37页 |
| 3.3.2 感兴趣区域生成 | 第37-39页 |
| 3.4 基于改进型U-Net的肺结节分割 | 第39-42页 |
| 3.4.1 U-Net模型 | 第39-40页 |
| 3.4.2 模型改进 | 第40-42页 |
| 3.5 模型训练及调参 | 第42-49页 |
| 3.5.1 实验环境 | 第42页 |
| 3.5.2 实验数据集 | 第42-43页 |
| 3.5.3 数据增强 | 第43-45页 |
| 3.5.4 模型评价标准 | 第45-47页 |
| 3.5.5 模型训练及调参 | 第47-49页 |
| 3.6 实验结果分析对比 | 第49-55页 |
| 3.6.1 实验结果分析 | 第50-51页 |
| 3.6.2 网络结构分析 | 第51-53页 |
| 3.6.3 实验结果可视化分析 | 第53-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 基于3D-CNN的多尺度肺结节假阳性排查 | 第56-73页 |
| 4.1 引言 | 第56页 |
| 4.2 3D-CNN多尺度肺结节假阳性排查网络设计 | 第56-63页 |
| 4.2.1 现有肺结节假阳性排查方法分析 | 第56-57页 |
| 4.2.2 肺结节假阳性排查网络改进 | 第57-58页 |
| 4.2.3 排查网络尺度划分研究 | 第58-59页 |
| 4.2.4 排查网络结构 | 第59-62页 |
| 4.2.5 多尺度模型融合 | 第62-63页 |
| 4.3 模型训练及优化 | 第63-69页 |
| 4.3.1 实验数据集 | 第63-65页 |
| 4.3.2 模型训练及结果 | 第65-67页 |
| 4.3.3 模型性能影像因素分析 | 第67-69页 |
| 4.4 实验结果分析对比 | 第69-72页 |
| 4.4.1 与2D-CNN模型对比分析 | 第69-71页 |
| 4.4.2 与3D-CNN模型对比分析 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 肺结节识别网络构建 | 第73-79页 |
| 5.1 引言 | 第73页 |
| 5.2 肺结节识别网络 | 第73-76页 |
| 5.3 网络性能 | 第76-78页 |
| 5.3.1 实验数据集 | 第76-77页 |
| 5.3.2 性能评价 | 第77-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-82页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 攻读学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89-91页 |