基于深度学习的胸腹部肿瘤呼吸运动的实时跟踪方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 医学背景 | 第13-19页 |
| 1.1.1 癌症的威胁 | 第13-14页 |
| 1.1.2 呼吸运动特征 | 第14-16页 |
| 1.1.3 呼吸运动补偿问题 | 第16-19页 |
| 1.2 放射治疗中的运动补偿 | 第19-24页 |
| 1.2.1 放疗 | 第19-21页 |
| 1.2.2 自适应运动补偿方法与临床系统 | 第21-24页 |
| 1.3 目的 | 第24页 |
| 1.4 论文组织结构 | 第24-26页 |
| 第2章 国内外研究现状 | 第26-32页 |
| 2.1 评价函数 | 第26-27页 |
| 2.2 呼吸预测算法 | 第27-29页 |
| 2.3 关联模型算法 | 第29-30页 |
| 2.4 循环神经网络 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 呼吸预测算法 | 第32-49页 |
| 3.1 引言 | 第32页 |
| 3.2 相关研究进展 | 第32-33页 |
| 3.3 数据和方法 | 第33-43页 |
| 3.3.1 数据 | 第33-36页 |
| 3.3.2 数据预处理 | 第36-39页 |
| 3.3.3 训练数据处理 | 第39-40页 |
| 3.3.4 呼吸预测模型 | 第40-43页 |
| 3.4 结果 | 第43-46页 |
| 3.5 讨论 | 第46-49页 |
| 第4章 关联模型 | 第49-57页 |
| 4.1 引言 | 第49页 |
| 4.2 相关研究进展 | 第49-50页 |
| 4.3 数据和方法 | 第50-54页 |
| 4.3.1 关联数据 | 第50-52页 |
| 4.3.2 训练数据处理 | 第52页 |
| 4.3.3 关联模型 | 第52-54页 |
| 4.4 结果 | 第54-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 本文工作总结 | 第57-58页 |
| 5.2 相关研究内容 | 第58-59页 |
| 5.2.1 肿瘤放疗临床背景 | 第58页 |
| 5.2.2 信号处理 | 第58页 |
| 5.2.3 深度学习算法 | 第58-59页 |
| 5.3 未来研究内容 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-67页 |
| 致谢 | 第67-69页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第69页 |
