| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-19页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 医学图像分析技术研究现状 | 第15-16页 |
| 1.3 论文研究内容与结构安排 | 第16-19页 |
| 第二章 基于传统机器学习的真菌性角膜炎诊断算法 | 第19-39页 |
| 2.1 特征提取算法 | 第20-26页 |
| 2.1.1 GLCM | 第20-21页 |
| 2.1.2 2DPCA | 第21-23页 |
| 2.1.3 ARBP | 第23-26页 |
| 2.2 图像分类识别算法 | 第26-30页 |
| 2.2.1 KNN | 第26页 |
| 2.2.2 LR | 第26-28页 |
| 2.2.3 SVM | 第28-30页 |
| 2.3 实验设计与结果分析 | 第30-37页 |
| 2.3.1 实验设计 | 第30-32页 |
| 2.3.2 结果分析 | 第32-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于CNN的真菌性角膜炎诊断算法研究 | 第39-58页 |
| 3.1 深度学习理论概述 | 第39-45页 |
| 3.1.1 网络结构 | 第39-42页 |
| 3.1.2 训练方法 | 第42-45页 |
| 3.2 CNN理论概述 | 第45-49页 |
| 3.2.1 算法特点 | 第45-46页 |
| 3.2.2 网络结构 | 第46-49页 |
| 3.3 经典CNN网络结构 | 第49-55页 |
| 3.3.1 AlexNet | 第49-51页 |
| 3.3.2 VGGNet | 第51-52页 |
| 3.3.3 GoogleNet | 第52-55页 |
| 3.4 实验设计与结果分析 | 第55-57页 |
| 3.4.1 实验设计 | 第55页 |
| 3.4.2 结果分析 | 第55-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 基于数据增广与图像融合的真菌性角膜炎诊断算法研究 | 第58-71页 |
| 4.1 数据增广 | 第59-60页 |
| 4.2 图像融合 | 第60-64页 |
| 4.2.1 图像融合必要性分析 | 第60页 |
| 4.2.2 图像预处理算法SCS | 第60-62页 |
| 4.2.3 图像融合算法 | 第62-64页 |
| 4.3 实验设计与结果分析 | 第64-69页 |
| 4.3.1 实验设计 | 第64-65页 |
| 4.3.2 结果分析 | 第65-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-74页 |
| 5.1 论文总结 | 第71-72页 |
| 5.2 论文展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间研究成果 | 第81-82页 |
| 学位论文评闽及答辩情况表 | 第82页 |