首页--医药、卫生论文--肿瘤学论文--泌尿生殖器肿瘤论文--乳腺肿瘤论文

基于深度学习的乳腺肿瘤病理影像智能识别

摘要第3-5页
Abstract第5-6页
第1章 绪论第10-17页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-14页
        1.2.1 乳腺肿瘤病理成像良恶性分类的研究现状第11-12页
        1.2.2 乳腺癌病理成像中癌细胞区域分割方法研究现状第12-14页
    1.3 现有研究存在的问题及面临的挑战第14-15页
    1.4 本文研究内容第15-16页
    1.5 本文的组织结构第16-17页
第2章 乳腺肿瘤病理成像数据库第17-24页
    2.1 研究目的第17页
    2.2 BreastSZU_v1数据库的建立第17-22页
        2.2.1 乳腺肿瘤组织切片的制备第18-19页
        2.2.2 乳腺肿瘤组织石蜡切片的HE染色第19-20页
        2.2.3 乳腺肿瘤HE染色病理图像采集第20-22页
        2.2.4 数据标定第22页
    2.3 BreastSZU_v1数据库总结第22-24页
第3章 乳腺肿瘤病理成像良恶性分类方法的研究第24-45页
    3.1 乳腺肿瘤病理成像良恶性分类方法第26-31页
        3.1.1 多任务分类问题的公式描述第26页
        3.1.2 网络结构第26-30页
        3.1.3 训练策略第30-31页
    3.2 实验第31-34页
        3.2.1 数据第31-32页
        3.2.2 实验过程第32-33页
        3.2.3 评价标准第33-34页
    3.3 结果第34-41页
        3.3.1 BreakHis_v1数据库第34-40页
        3.3.2 BreastSZU_v1数据库第40-41页
    3.4 讨论第41-44页
    3.5 总结第44-45页
第4章 乳腺癌病理成像异变细胞核分割方法的研究第45-65页
    4.1 乳腺癌病理成像癌细胞区域分割方法第46-54页
        4.1.1 加权欧氏距离第46-48页
        4.1.2 网络结构设计第48-52页
        4.1.3 训练策略第52-54页
    4.2 实验第54-56页
        4.2.1 数据第54-55页
        4.2.2 实验过程第55页
        4.2.3 评价标准第55-56页
    4.3 结果第56-61页
        4.3.1 与其他研究对比第56-57页
        4.3.2 加权欧式距离和欧氏距离的对比第57-59页
        4.3.3 U-Net与本文所提出的的级联网络结构对比第59-61页
    4.4 讨论第61-64页
    4.5 总结第64-65页
第5章 总结与展望第65-68页
    5.1 全文总结第65-66页
    5.2 研究展望第66-68页
参考文献第68-76页
致谢第76-77页
攻读硕士学位期间的研究成果第77页

论文共77页,点击 下载论文
上一篇:基于系统工程方法的地铁运营维保巡检智能机器人系统的研究与设计
下一篇:基于RGB-D的室内三维SLAM研究与实现