| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 主要术语和符号对照表 | 第15-18页 |
| 1 绪论 | 第18-28页 |
| 1.1 研究背景和选题依据 | 第18-20页 |
| 1.2 机器学习在图像分析上的应用 | 第20-24页 |
| 1.3 课题研究内容 | 第24-26页 |
| 1.4 论文章节安排 | 第26-28页 |
| 2 医学图像分析的研究现状 | 第28-51页 |
| 2.1 医学图像分析技术概述 | 第28-35页 |
| 2.2 深度学习在医学图像分析中的研究现状 | 第35-47页 |
| 2.3 乳腺钼靶图像辅助诊断的相关研究 | 第47-50页 |
| 2.4 本章小结 | 第50-51页 |
| 3 基于多背景多任务学习的肿块检测方法 | 第51-69页 |
| 3.1 肿块检测的研究背景与动机 | 第51-52页 |
| 3.2 肿块检测的相关工作 | 第52-54页 |
| 3.3 基于MCMTL网络的肿块检测CAD系统 | 第54-60页 |
| 3.4 实验评估 | 第60-68页 |
| 3.5 本章小结 | 第68-69页 |
| 4 基于深度主动学习和自步学习的肿块检测方法 | 第69-91页 |
| 4.1 研究背景和动机 | 第69-70页 |
| 4.2 主动学习与自步学习的相关研究工作 | 第70-71页 |
| 4.3 主动学习与自步学习的系统设计方案 | 第71-80页 |
| 4.4 实验评估 | 第80-90页 |
| 4.5 本章小结 | 第90-91页 |
| 5 基于无监督域适应对抗学习的肿块检测方法 | 第91-105页 |
| 5.1 研究背景与动机 | 第91-92页 |
| 5.2 域适应的相关研究工作 | 第92-93页 |
| 5.3 无监督域适应的系统设计方案 | 第93-98页 |
| 5.4 实验评估 | 第98-103页 |
| 5.5 本章小结 | 第103-105页 |
| 6 基于生成对抗网络的深度特征扩增的类别不均衡学习方法 | 第105-118页 |
| 6.1 研究背景与动机 | 第105-106页 |
| 6.2 相关研究工作 | 第106-108页 |
| 6.3 特征扩增的系统设计方案 | 第108-113页 |
| 6.4 实验评估 | 第113-117页 |
| 6.5 本章小结 | 第117-118页 |
| 7 全文总结与展望 | 第118-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-137页 |
| 附录1 攻读学位期间发表论文目录 | 第137-138页 |
| 附录2 攻读博士学位期间申请的发明专利和其他成果 | 第138-139页 |
| 附录3 攻读博士学位期间参与的科研项目 | 第139页 |