| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景和依据 | 第9-11页 |
| ·选题背景 | 第9-10页 |
| ·选题依据 | 第10-11页 |
| ·大肠早癌诊断技术研究工作评述 | 第11-12页 |
| ·大肠早癌诊断技术理论 | 第11页 |
| ·论文的的前期研究基础 | 第11-12页 |
| ·本文研究内容及技术路线 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·研究技术路线 | 第13页 |
| ·论文采用的研究工具 | 第13-14页 |
| ·主要研究成果与认识 | 第14-15页 |
| 第二章 自体荧光大肠早癌诊断系统与实验数据 | 第15-26页 |
| ·自体荧光系统 | 第15-16页 |
| ·实验数据的取得与数字特征分析 | 第16-23页 |
| ·实验数据的取得 | 第16-17页 |
| ·实验数据的数值统计特征 | 第17-23页 |
| ·数据库的建立和维护 | 第23-26页 |
| ·数据库的入库 | 第23页 |
| ·数据库的维护 | 第23-26页 |
| 第三章 BP 神经网络诊断模型原理与建立 | 第26-37页 |
| ·神经网络的基本原理 | 第26-29页 |
| ·神经网络的基本原理 | 第26-28页 |
| ·BP 神经网络的计算举例 | 第28-29页 |
| ·BP 神经网格模型的建立 | 第29-37页 |
| ·BP 模型系统界面及主要功能 | 第29-31页 |
| ·BP 神经网络结构与参数确定 | 第31-32页 |
| ·BP 神经网络模型的创建与使用步骤 | 第32-33页 |
| ·BP 神经网络模型的有效性检验 | 第33-37页 |
| 第四章 基于 BP 神经网络方法的大肠早癌诊断研究 | 第37-55页 |
| ·实验数据成图分析 | 第37-40页 |
| ·基于 t 检验的识别数据差异性分析 | 第40-43页 |
| ·尖峰样本数据的统计特征与组间差异性 | 第43-49页 |
| ·基于 t 检验的尖峰样本数据差异性分析 | 第49-51页 |
| ·直接的 BP 神经网络识别 | 第51-55页 |
| ·网络的数据的准备与处理 | 第51页 |
| ·网络的训练与运用 | 第51-54页 |
| ·直接 BP 神经网络识别结果与分析 | 第54-55页 |
| 第五章 基于判别方程的神经网络大肠早癌诊断研究 | 第55-66页 |
| ·峰值区域的识别算法 | 第55-64页 |
| ·峰值特征分析 | 第55-59页 |
| ·峰值识别思想与原理 | 第59-63页 |
| ·峰值识别算法 | 第63-64页 |
| ·峰值识别结果 | 第64页 |
| ·基于峰值特征的判别方程诊断方法 | 第64-65页 |
| ·峰值特征判别的思想 | 第64-65页 |
| ·峰值特征判别方程的建立 | 第65页 |
| ·峰值特征判别方程检测结果 | 第65页 |
| ·基于判别方程的 BP 神经网络模型诊断方法 | 第65-66页 |
| 第六章 全文总结与展望 | 第66-68页 |
| ·全文工作回顾与总结 | 第66-67页 |
| ·后续工作与展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 学习期间公开发表的学术论文 | 第71页 |