| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题来源及研究的目的和意义 | 第10-11页 |
| ·国内外在该方向的研究现状 | 第11-12页 |
| ·肺部CT图像的介绍 | 第12-13页 |
| ·本文的研究内容与组织结构 | 第13-14页 |
| 第2章 基于Logistic回归分析的特征选择方法 | 第14-25页 |
| ·Logistic回归模型的原理 | 第14-19页 |
| ·模型的构造 | 第14-15页 |
| ·模型中参数的意义 | 第15-17页 |
| ·模型的参数估计 | 第17页 |
| ·模型的假设检验 | 第17-19页 |
| ·Logistic回归模型的建立 | 第19-20页 |
| ·模型自变量的选择方法 | 第19页 |
| ·模型评价 | 第19-20页 |
| ·Logistic回归分析及特征选择 | 第20-24页 |
| ·数据准备 | 第20-22页 |
| ·Logistic回归分析 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于Fisher判别分析的周围型非小细胞肺癌分型模型研究 | 第25-33页 |
| ·Fisher判别分析的理论和方法 | 第25-29页 |
| ·Fisher判别分析的基本理论 | 第26-27页 |
| ·Fisher判别的方法 | 第27-29页 |
| ·判别准则的评价 | 第29页 |
| ·判别分析中应注意的问题 | 第29-30页 |
| ·基于Fisher判别的周围型非小细胞肺癌分型判别分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于人工神经网络的周围型非小细胞肺癌分型模型研究 | 第33-44页 |
| ·人工神经网络概述 | 第33-34页 |
| ·引言 | 第33页 |
| ·神经网络的应用及研究方向 | 第33-34页 |
| ·人工神经网络原理 | 第34-41页 |
| ·神经元模型 | 第34-36页 |
| ·神经网络的学习和训练 | 第36页 |
| ·前馈神经网络的主要算法 | 第36-41页 |
| ·基于人工神经网络的周围型非小细胞肺癌分型 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第5章 基于支持向量机的周围型非小细胞肺癌分型模型研究 | 第44-53页 |
| ·支持向量机概述 | 第44-45页 |
| ·支持向量机原理 | 第45-50页 |
| ·最优分类面 | 第45-47页 |
| ·支持向量机 | 第47-48页 |
| ·核函数 | 第48-50页 |
| ·基于支持向量机的周围型非小细胞肺癌分型 | 第50-52页 |
| ·结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
