基于学习的圆锥角膜辅助诊断
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文拟解决的主要问题 | 第15-16页 |
| 1.4 论文的内容安排 | 第16-18页 |
| 第二章 相关内容介绍 | 第18-24页 |
| 2.1 圆锥角膜 | 第18-20页 |
| 2.1.1 眼球结构 | 第18-19页 |
| 2.1.2 角膜相关参数 | 第19页 |
| 2.1.3 圆锥角膜分类 | 第19-20页 |
| 2.2 支持向量机 | 第20-24页 |
| 2.2.1 支持向量机理论 | 第21-23页 |
| 2.2.2 核函数 | 第23页 |
| 2.2.3 支持向量机的优势 | 第23-24页 |
| 第三章 数据集构建 | 第24-32页 |
| 3.1 Oculyzer | 第24-26页 |
| 3.2 数据的采集 | 第26-29页 |
| 3.2.1 数据收集的原则 | 第26-27页 |
| 3.2.2 特征数据的收集 | 第27-28页 |
| 3.2.3 样本标签的收集 | 第28-29页 |
| 3.3 像差数据的采集 | 第29-30页 |
| 3.4 已获取数据的介绍 | 第30-32页 |
| 3.4.1 特征数据 | 第30-31页 |
| 3.4.2 分类标准 | 第31-32页 |
| 第四章 两类分类模型的研究 | 第32-41页 |
| 4.1 模型 | 第32-34页 |
| 4.1.1 交叉验证 | 第32-33页 |
| 4.1.2 模型性能度量 | 第33-34页 |
| 4.1.3 数据来源 | 第34页 |
| 4.2 实验结果与分析 | 第34-41页 |
| 4.2.1 数据预处理 | 第34-35页 |
| 4.2.2 线性核函数 | 第35-37页 |
| 4.2.3 RBF核函数 | 第37-41页 |
| 第五章 三类分类模型的研究 | 第41-52页 |
| 5.1 模型 | 第41-45页 |
| 5.1.1 基本思想 | 第41-43页 |
| 5.1.2 模型性能度量 | 第43-44页 |
| 5.1.3 Adaboost增强 | 第44-45页 |
| 5.1.4 数据来源 | 第45页 |
| 5.2 One-vs-All分类器 | 第45-48页 |
| 5.2.1 三个二分类器 | 第45-47页 |
| 5.2.2 不同类型特征下亚临床圆锥角膜的敏感度 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-52页 |
| 第六章 圆锥角膜分类辅助诊断的应用前景 | 第52-56页 |
| 6.1 个性化疾病管理系统 | 第52-54页 |
| 6.1.1 背景介绍 | 第52-53页 |
| 6.1.2 系统框架 | 第53-54页 |
| 6.2 青少年圆锥角膜的大范围筛查 | 第54-56页 |
| 第七章 结论与展望 | 第56-59页 |
| 7.1 论文总结 | 第56-57页 |
| 7.2 下一步工作 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |
