| 中文摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 图和附表清单 | 第11-12页 |
| 1 绪论 | 第12-15页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·课题研究背景 | 第12页 |
| ·课题研究的意义 | 第12-13页 |
| ·肺癌诊断的国内外现状 | 第13-15页 |
| 2 肺癌诊断的材料及特征数据提取方法 | 第15-18页 |
| ·病例材料和检查方法 | 第15页 |
| ·病例材料 | 第15页 |
| ·检查方法 | 第15页 |
| ·特征数据提取方法 | 第15-18页 |
| 3 人工神经网络及BP算法 | 第18-26页 |
| ·人工神经网络理论基础 | 第18-19页 |
| ·人工神经元模型 | 第18-19页 |
| ·人工神经网络模型 | 第19页 |
| ·BP神经网络 | 第19-20页 |
| ·BP神经网络的基本原理 | 第19-20页 |
| ·BP网络的限制与不足 | 第20页 |
| ·BP神经网络设计基础 | 第20-24页 |
| ·训练样本集的准备 | 第20-23页 |
| ·初始权值 | 第23页 |
| ·BP网络的结构选择 | 第23-24页 |
| ·网络训练与测试 | 第24-26页 |
| 4 模糊神经网络 | 第26-30页 |
| ·模糊神经网络理论基础 | 第26-28页 |
| ·模糊理论与技术 | 第26页 |
| ·隶属度函数的特点 | 第26页 |
| ·确定隶属度函数的基本原则 | 第26-27页 |
| ·确定隶属度函数的方法 | 第27-28页 |
| ·常用隶属度函数的图形 | 第28页 |
| ·模糊神经网络 | 第28-30页 |
| 5 模糊神经网络用于肺癌诊断 | 第30-40页 |
| ·模糊神经网络的结构模型 | 第30-31页 |
| ·模糊神经网络用于肺癌诊断的步骤 | 第31-40页 |
| 6 高斯型和三角形隶属度函数模糊神经网络在肺癌诊断中的性能比较 | 第40-46页 |
| ·高斯型和三角形隶属度函数模糊神经网络的诊断结果 | 第40-43页 |
| ·高斯型隶属度函数模糊神经网络输出仿真图形 | 第42-43页 |
| ·作为对照的三角形隶属度函数模糊神经网络输出仿真图形 | 第43页 |
| ·高斯型和三角形隶属度函数模糊神经网络的诊断结果分析 | 第43-44页 |
| ·讨论 | 第44-46页 |
| 7 总结 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录A 患者信息 | 第50-56页 |
| 附录B 训练集数据 | 第56-57页 |
| 附录C 仿真程序 | 第57-62页 |
| 个人简历 | 第62-63页 |
| 致谢 | 第63页 |
