| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 肺结节检测目前的研究现状 | 第11-14页 |
| 1.2.2 卷积神经网络的研究现状 | 第14-15页 |
| 1.3 课题来源与主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 肺结节与LIDC数据集处理 | 第18-28页 |
| 2.1 肺结节的类型 | 第18-19页 |
| 2.2 LIDC公共数据集的处理 | 第19-25页 |
| 2.2.1 LIDC数据集简介 | 第19-20页 |
| 2.2.2 LIDC可视化平台 | 第20-24页 |
| 2.2.3 LIDC数据集统计结果展示 | 第24-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 多输入卷积神经网络检测方法研究 | 第28-38页 |
| 3.1 相关工作研究 | 第28-29页 |
| 3.2 多输入卷积神经网络 | 第29-34页 |
| 3.2.1 多输入卷积神经网络搭建与训练 | 第29-31页 |
| 3.2.2 候选区域选择与输入数据构建 | 第31-33页 |
| 3.2.3 CT序列线上检测与标注 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于卷积反卷积神经网络的肺部微小结节检测 | 第38-52页 |
| 4.1 相关工作研究 | 第38-40页 |
| 4.2 基于卷积反卷积神经网络的肺部微小结节检测方法 | 第40-45页 |
| 4.2.1 卷积反卷积神经网络(CDNN) | 第41-43页 |
| 4.2.2 损失函数和反向微调 | 第43-44页 |
| 4.2.3 分类输出及预测 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-50页 |
| 4.3.1 特征表示 | 第46-48页 |
| 4.3.2 方法比较和性能评估 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-56页 |
| 5.1 工作总结 | 第52-53页 |
| 5.2 未来工作与展望 | 第53-56页 |
| 参考文献 | 第56-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |