| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文研究内容及意义 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 卷积神经网络理论 | 第14-25页 |
| 2.1 卷积神经网络基本组成结构 | 第14-19页 |
| 2.1.1 卷积 | 第14-15页 |
| 2.1.2 激活函数 | 第15-16页 |
| 2.1.3 Batch Normalization(BN) | 第16-17页 |
| 2.1.4 损失函数 | 第17页 |
| 2.1.5 优化方法 | 第17-19页 |
| 2.2 反向传播算法 | 第19-21页 |
| 2.3 网络结构 | 第21-25页 |
| 2.3.1 AlexNet | 第21-22页 |
| 2.3.2 GoogleNet | 第22页 |
| 2.3.3 VGG | 第22-23页 |
| 2.3.4 ResNet | 第23-24页 |
| 2.3.5 全卷积网络 | 第24-25页 |
| 第三章 基于卷积神经网络的投影数据滤波 | 第25-37页 |
| 3.1 投影数据滤波总流程 | 第25-26页 |
| 3.2 投影数据预处理 | 第26-27页 |
| 3.3 投影数据滤波网络结构设计 | 第27-30页 |
| 3.3.1 二维投影数据滤波网络 | 第28-29页 |
| 3.3.2 三维投影数据滤波网络 | 第29-30页 |
| 3.4 投影数据重建 | 第30-31页 |
| 3.5 实验结果与分析 | 第31-36页 |
| 3.5.1 数据集 | 第31-32页 |
| 3.5.2 二维模型实验结果 | 第32-34页 |
| 3.5.3 三维模型实验结果 | 第34-35页 |
| 3.5.4 评价 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于卷积神经网络的低剂量CT图像后处理 | 第37-54页 |
| 4.1 低剂量CT图像后处理及质量评价指标 | 第37-39页 |
| 4.1.1 低剂量CT图像后处理 | 第37页 |
| 4.1.2 质量评价指标 | 第37-39页 |
| 4.2 CT图像后处理网络结构设计 | 第39-43页 |
| 4.2.1 二维CT图像后处理网络 | 第39-42页 |
| 4.2.2 三维CT图像后处理网络 | 第42-43页 |
| 4.3 实验结果与分析 | 第43-53页 |
| 4.3.1 数据集 | 第44-45页 |
| 4.3.2 二维模型实验结果与分析 | 第45-50页 |
| 4.3.3 三维模型实验结果与分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简介 | 第60页 |