| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题的研究背景及研究意义 | 第10-12页 |
| 1.1.1 课题的研究背景 | 第10-12页 |
| 1.1.2 课题的研究意义 | 第12页 |
| 1.2 国内外研究现状与分析 | 第12-14页 |
| 1.2.1 黑色素瘤局部形态模式识别现状与分析 | 第12-13页 |
| 1.2.2 黑色素瘤全局形态模式识别现状与分析 | 第13-14页 |
| 1.3 论文的研究目标和研究内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 黑色素瘤形态模式分析框架与模型简介 | 第17-24页 |
| 2.1 黑色素瘤形态模式分析框架 | 第17-19页 |
| 2.2 多标签分类定义 | 第19-20页 |
| 2.3 多标签分类算法 | 第20-22页 |
| 2.3.1 问题转换类别 | 第20-21页 |
| 2.3.2 算法调整类别 | 第21-22页 |
| 2.4 卷积神经网络在多标签分类中的应用 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于手工提取特征的黑色素瘤多标签分类 | 第24-44页 |
| 3.1 黑色素瘤皮肤镜图像预处理 | 第24-29页 |
| 3.1.1 黑框移除 | 第24-25页 |
| 3.1.2 毛发移除 | 第25-28页 |
| 3.1.3 气泡移除 | 第28-29页 |
| 3.2 黑色素瘤皮肤镜图像分割 | 第29-35页 |
| 3.2.1 分割集定义 | 第30-32页 |
| 3.2.2 区域一致性融合算法 | 第32-35页 |
| 3.3 黑色素瘤皮肤镜图像特征提取 | 第35-39页 |
| 3.3.1 形状特征提取 | 第35-36页 |
| 3.3.2 颜色特征提取 | 第36-38页 |
| 3.3.3 纹理特征提取 | 第38-39页 |
| 3.4 黑色素瘤形态模式分类 | 第39-43页 |
| 3.4.1 基于Binary Reference的黑色素瘤多标签分类 | 第39-41页 |
| 3.4.2 基于ML-kNN的黑色素瘤多标签分类 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于卷积神经网络的黑色素瘤多标签分类 | 第44-62页 |
| 4.1 人工神经网络 | 第44-46页 |
| 4.1.1 神经元模型 | 第44-45页 |
| 4.1.2 神经网络模型 | 第45-46页 |
| 4.2 卷积神经网络 | 第46-50页 |
| 4.2.1 卷积神经网络介绍 | 第46-47页 |
| 4.2.2 卷积神经网络特性 | 第47-48页 |
| 4.2.3 卷积神经网络结构 | 第48-50页 |
| 4.3 多标签卷积神经网络 | 第50-56页 |
| 4.3.1 数据结构 | 第52-54页 |
| 4.3.2 多标签分类 | 第54-56页 |
| 4.4 黑色素瘤多标签分类 | 第56-61页 |
| 4.4.1 数据准备 | 第56页 |
| 4.4.2 网络结构 | 第56-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 实验结果与分析 | 第62-71页 |
| 5.1 数据集描述 | 第62页 |
| 5.2 多标签分类评价标准 | 第62-64页 |
| 5.3 实验结果与分析 | 第64-70页 |
| 5.3.1 基于手工特征提取的黑色素瘤多标签分类实验结果与分析 | 第64-65页 |
| 5.3.2 基于卷积神经网络的黑色素瘤多标签分类实验结果与分析 | 第65-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 论文工作总结 | 第71-72页 |
| 6.2 未来研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
