| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文工作与组织结构 | 第16-18页 |
| 第二章 相关理论与技术 | 第18-30页 |
| 2.1 小儿白内障相关数据 | 第18-20页 |
| 2.1.1 裂隙灯图像数据 | 第18-19页 |
| 2.1.2 结构化病历档案数据 | 第19-20页 |
| 2.2 图像视觉特征 | 第20-27页 |
| 2.2.1 图像颜色特征 | 第20页 |
| 2.2.2 图像纹理特征 | 第20-24页 |
| 2.2.3 图像形状特征 | 第24-26页 |
| 2.2.4 词袋模型 | 第26-27页 |
| 2.3 本章小结 | 第27-30页 |
| 第三章 小儿白内障分级诊断算法 | 第30-42页 |
| 3.1 红反图像预处理 | 第30页 |
| 3.2 红反图像特征提取 | 第30-31页 |
| 3.3 相关分类算法 | 第31-39页 |
| 3.3.1 k近邻 | 第31-32页 |
| 3.3.2 支持向量机 | 第32-34页 |
| 3.3.3 线性判别分析 | 第34-36页 |
| 3.3.4 深度信念网络 | 第36-39页 |
| 3.4 疾病分级预测方法组合规则 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 小儿白内障术后并发症预测算法 | 第42-48页 |
| 4.1 数据预处理 | 第42-43页 |
| 4.2 术后并发症分类算法 | 第43-46页 |
| 4.2.1 朴素贝叶斯模型 | 第43-44页 |
| 4.2.2 随机森林模型 | 第44-46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 实验结果与分析 | 第48-72页 |
| 5.1 实验数据 | 第48-49页 |
| 5.1.1 红反图像数据 | 第48页 |
| 5.1.2 术后并发症结构化数据 | 第48-49页 |
| 5.2 实验环境及相关评估指标介绍 | 第49-50页 |
| 5.3 基于术前红反图像的分级预测结果 | 第50-69页 |
| 5.3.1 组合方法的预测结果 | 第50-53页 |
| 5.3.2 时间性能对比 | 第53-54页 |
| 5.3.3 传统分类学习算法与深度信念网络对比分析 | 第54-55页 |
| 5.3.4 视觉特征抽取方法对比分析 | 第55-57页 |
| 5.3.5 参数敏感性分析 | 第57-69页 |
| 5.4 术后并发症预测结果 | 第69-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文研究工作总结 | 第72页 |
| 6.2 进一步研究方向 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |