| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 引言 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 深度学习研究现状 | 第12-13页 |
| 1.2.2 肺结节识别与检测研究现状 | 第13-15页 |
| 1.3 肺结节 | 第15-16页 |
| 1.3.1 X光胸片与CT肺结节 | 第15-16页 |
| 1.3.2 肺结节良恶性诊断 | 第16页 |
| 1.4 论文创新点 | 第16-17页 |
| 1.5 论文结构和安排 | 第17-18页 |
| 第二章 基于胶囊网络的良恶性肺结节诊断 | 第18-30页 |
| 2.1 良恶性肺结节数据集 | 第18页 |
| 2.2 胶囊网络 | 第18-21页 |
| 2.2.1 胶囊网络简介 | 第18-19页 |
| 2.2.2 胶囊网络的结构 | 第19-21页 |
| 2.2.3 胶囊网络的训练与测试 | 第21页 |
| 2.3 改进激活函数 | 第21-24页 |
| 2.3.1 胶囊网络的激活函数 | 第21-22页 |
| 2.3.2 提出的激活函数 | 第22-23页 |
| 2.3.3 实验结果 | 第23-24页 |
| 2.4 改进重构网络 | 第24-28页 |
| 2.4.1 重构网络介绍 | 第24-25页 |
| 2.4.2 重构网络的改进 | 第25-27页 |
| 2.4.3 实验结果 | 第27-28页 |
| 2.5 改进网络效果 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于卷积神经网络的良恶性肺结节诊断 | 第30-40页 |
| 3.1 卷积神经网络 | 第30-33页 |
| 3.1.1 卷积层 | 第30-31页 |
| 3.1.2 池化层 | 第31页 |
| 3.1.3 全连接层 | 第31-32页 |
| 3.1.4 激活函数 | 第32页 |
| 3.1.5 损失函数与优化函数 | 第32-33页 |
| 3.2 卷积神经网络的设计与改进 | 第33-37页 |
| 3.2.1 卷积神经网络的设计 | 第33-35页 |
| 3.2.2 卷积神经网络的改进 | 第35-37页 |
| 3.3 实验结果 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于Xray-yolov3的X光胸片肺结节检测 | 第40-52页 |
| 4.1 数据获取与标记 | 第40-44页 |
| 4.1.1 数据获取 | 第40-42页 |
| 4.1.2 数据标记 | 第42-44页 |
| 4.2 病灶检测方案介绍 | 第44-45页 |
| 4.3 病灶检测模型与训练测试 | 第45-49页 |
| 4.3.1 yolov3检测模型 | 第45-46页 |
| 4.3.2 Xray-yolov3检测模型 | 第46-47页 |
| 4.3.3 模型训练与测试 | 第47-49页 |
| 4.4 实验结果 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 攻读硕士期间已发表的学术论文 | 第62页 |
| 攻读硕士期间参加的科研项目 | 第62页 |