超声乳腺癌图像BI-RADS分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.2.3 国内外研究现状分析 | 第13-14页 |
| 1.3 本文的研究路线与研究内容 | 第14-16页 |
| 1.3.1 研究路线 | 第14-15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 第2章 相关方法介绍 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 多分类的解决办法 | 第16-19页 |
| 2.2.1 直接多分类方法 | 第17-18页 |
| 2.2.2 间接多分类方法 | 第18-19页 |
| 2.2.3 多分类方法的分析 | 第19页 |
| 2.3 大样本下多分类问题 | 第19-22页 |
| 2.4 小样本下多分类问题 | 第22-24页 |
| 2.5 小结 | 第24-25页 |
| 第3章 基于特征融合的分类方法 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 数据预处理 | 第25-29页 |
| 3.2.1 视频拆帧 | 第25-27页 |
| 3.2.2 ROI提取 | 第27-28页 |
| 3.2.3 ROI尺寸归一化 | 第28-29页 |
| 3.3 残差网络训练 | 第29-32页 |
| 3.3.1 残差网络构建 | 第29-30页 |
| 3.3.2 数据导入网络 | 第30-31页 |
| 3.3.3 初始化和优化器选择 | 第31-32页 |
| 3.4 BI-RADS特征的计算 | 第32-38页 |
| 3.5 特征融合用于SVM分类 | 第38-41页 |
| 3.6 小结 | 第41-42页 |
| 第4章 实验结果与分析 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 评价标准 | 第42-43页 |
| 4.3 实验结果 | 第43-51页 |
| 4.4 小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60页 |
