神经网络技术在卵巢肿瘤诊断中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题背景 | 第8-11页 |
| ·卵巢癌的诊治与临床分期 | 第8-9页 |
| ·医学图像处理技术的发展与应用现状 | 第9页 |
| ·人工神经网络在医学领域中的应用 | 第9-11页 |
| ·课题意义 | 第11页 |
| ·论文结构 | 第11-12页 |
| 第二章 卵巢癌细胞图像的采集与特征提取 | 第12-26页 |
| ·采集图像 | 第12-16页 |
| ·腹水涂片的制作 | 第12页 |
| ·病理资料的来源 | 第12-13页 |
| ·卵巢细胞的特征 | 第13-16页 |
| ·细胞特征提取 | 第16-26页 |
| ·细胞图像彩色属性的预处理 | 第16-18页 |
| ·图像分割 | 第18-20页 |
| ·细胞图像的特征值提取 | 第20-25页 |
| ·特征值标准化 | 第25-26页 |
| 第三章 BP网络对卵巢癌细胞图像识别的研究 | 第26-38页 |
| ·多层感知器神经网络概述 | 第26-28页 |
| ·单层感知器神经元模型和算法 | 第26-27页 |
| ·多层感知器神经元模型 | 第27-28页 |
| ·BP算法 | 第28-31页 |
| ·BP算法的基本理论 | 第28-29页 |
| ·BP算法的步骤与流程 | 第29-30页 |
| ·BP算法的缺点 | 第30-31页 |
| ·BP算法的改进 | 第31-33页 |
| ·附加动量法 | 第31-32页 |
| ·自适应学习率法 | 第32页 |
| ·L-M法 | 第32-33页 |
| ·BP网络的结构设计和实现 | 第33-35页 |
| ·输入与输出变量 | 第33页 |
| ·初始权值 | 第33页 |
| ·隐层数的选择 | 第33-34页 |
| ·隐节点 | 第34页 |
| ·网络的拓扑结构 | 第34-35页 |
| ·BP网络的程序实现和不同算法的比较 | 第35-38页 |
| ·网络的程序实现 | 第35-37页 |
| ·不同算法的比较 | 第37-38页 |
| 第四章 径向基函数对卵巢癌细胞图像识别的研究 | 第38-44页 |
| ·径向基函数网络的结构与模型 | 第38-39页 |
| ·径向基函数网络的算法 | 第39-40页 |
| ·隐层基函数中心和方差 | 第39-40页 |
| ·输出层权值 | 第40页 |
| ·径向基函数网络的结构设计与程序实现 | 第40-41页 |
| ·径向基函数网络与BP网络的比较及实验结果分析 | 第41-44页 |
| ·径向基函数网络与BP网络的比较 | 第41-42页 |
| ·两种网络实验结果的比较 | 第42-44页 |
| 第五章 特征量选取策略与诊断的工作过程 | 第44-50页 |
| ·样本特征量的选取数目对网络分类效果的影响 | 第44-47页 |
| ·对细胞选取不同的特征量 | 第44-45页 |
| ·设计径向基函数网络 | 第45页 |
| ·两种不同特征量选取的实验结果的比较与分析 | 第45-47页 |
| ·冗余数据对网络分类效果的影响 | 第47-48页 |
| ·特征量的线性关系产生的数据冗余 | 第47页 |
| ·数据冗余降低分类识别率的原因分析 | 第47-48页 |
| ·实验结果比较 | 第48页 |
| ·诊断系统的工作过程 | 第48-50页 |
| ·主要工具软件介绍 | 第48-49页 |
| ·诊断系统的工作过程 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| ·研究成果总结 | 第50页 |
| ·研究方向展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 神经网络算法程序 | 第55-68页 |
| BP网络 | 第55-66页 |
| BP算法(Net1) | 第55-59页 |
| 动量算法(Net2) | 第59-62页 |
| 自适应算法(Net3) | 第62-64页 |
| L-M算法(Net4) | 第64-66页 |
| 径向基函数网络(Net5) | 第66-68页 |
| 附录: 作者简介 | 第68页 |
