基于卷积神经网的肺部CT辅助诊断的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 第一节 选题背景及意义 | 第9-11页 |
| 一、选题背景 | 第9-10页 |
| 二、研究意义 | 第10-11页 |
| 第二节 国内外相关研究综述 | 第11-15页 |
| 一、计算机辅助诊断研究综述 | 第11-13页 |
| 二、卷积神经网络研究综述 | 第13-15页 |
| 第三节 研究思路及框架安排 | 第15-16页 |
| 一、研究内容 | 第15页 |
| 二、论文框架 | 第15-16页 |
| 第四节 本章小结 | 第16-17页 |
| 第二章 相关理论和技术 | 第17-29页 |
| 第一节 CT的影像学原理 | 第17-19页 |
| 第二节 卷积神经网络 | 第19-24页 |
| 一、网络结构 | 第19-21页 |
| 二、核心步骤 | 第21-24页 |
| 第三节 集成学习 | 第24-27页 |
| 第四节 深度学习工具 | 第27-28页 |
| 第五节 本章小结 | 第28-29页 |
| 第三章 多尺度跃迁卷积神经网络模型 | 第29-36页 |
| 第一节 整体设计 | 第29-30页 |
| 第二节 跃迁卷积结构 | 第30-32页 |
| 第三节 多尺度集成策略 | 第32-33页 |
| 第四节 优化的模型结构 | 第33-35页 |
| 第五节 本章小结 | 第35-36页 |
| 第四章 实验准备 | 第36-46页 |
| 第一节 环境配置 | 第36-37页 |
| 第二节 数据增强 | 第37-40页 |
| 第三节 数据预处理 | 第40-45页 |
| 一、图像缩放 | 第40-42页 |
| 二、数据格式统一 | 第42-44页 |
| 三、数据归一化 | 第44-45页 |
| 第四节 本章小结 | 第45-46页 |
| 第五章 实验与分析 | 第46-59页 |
| 第一节 评估指标 | 第46-47页 |
| 第二节 跃迁结构的有效性验证 | 第47-52页 |
| 一、传统CNN | 第47-50页 |
| 二、跃迁CNN | 第50-52页 |
| 第三节 集成策略的有效性验证 | 第52-55页 |
| 一、个体的跃迁CNN | 第52-55页 |
| 二、单一尺度的跃迁CNN组合模型 | 第55页 |
| 第四节 集成的MSS-CNN模型效果验证 | 第55-58页 |
| 第五节 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 第一节 研究总结 | 第59-60页 |
| 第二节 未来展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
