首页--医药、卫生论文--肿瘤学论文--呼吸系肿瘤论文--肺肿瘤论文

基于深度学习的肺结节检测方法研究

摘要第3-4页
abstract第4-5页
1 绪论第8-14页
    1.1 研究背景与意义第8页
    1.2 国内外研究现状第8-11页
        1.2.1 疑似结节提取方法研究现状第8-9页
        1.2.2 假阳性去除方法研究现状第9-10页
        1.2.3 现存的问题及难点第10-11页
    1.3 本文主要工作及章节安排第11-14页
        1.3.1 本文主要工作第11页
        1.3.2 本文章节安排第11-14页
2 基于最大熵分割与形态学结合的疑似结节提取方法第14-24页
    2.1 问题的提出第14页
    2.2 算法描述第14-19页
        2.2.1 最大熵分割法提取ROI第15-17页
        2.2.2 形态学方法去除粘连区域第17-19页
    2.3 实验结果及分析第19-22页
    2.4 本章小结第22-24页
3 基于迁移学习与SVM的肺结节检测方法第24-36页
    3.1 问题的提出第24页
    3.2 算法描述第24-29页
        3.2.1 对VGG-16进行迁移学习提取特征第25-29页
        3.2.2 训练SVM分类器第29页
    3.3 实验结果及分析第29-33页
    3.4 本章小结第33-36页
4 基于特征优化的肺结节检测方法第36-44页
    4.1 问题的提出第36页
    4.2 算法描述第36-40页
        4.2.1 深度特征PCA降维第37-38页
        4.2.2 深度特征t-SNE降维第38-40页
    4.3 实验结果及分析第40-42页
    4.4 本章小结第42-44页
5 总结与展望第44-46页
    5.1 总结第44页
    5.2 研究展望第44-46页
致谢第46-48页
参考文献第48-52页
附录第52页

论文共52页,点击 下载论文
上一篇:基于单目视觉图像焊缝检测与机器人自动跟踪方法研究
下一篇:用于轮对参数测量的激光三角位移传感器的研制