基于深度学习的骨龄自动评测系统的研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 课题研究现状 | 第12-14页 |
| 1.2.1 自动骨龄评测研究现状 | 第12-13页 |
| 1.2.2 卷积神经网络研究现状 | 第13-14页 |
| 1.3 本文主要研究工作 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 神经网络基础 | 第16-30页 |
| 2.1 前馈神经网络 | 第16-21页 |
| 2.1.1 神经元 | 第16-18页 |
| 2.1.2 参数更新方法 | 第18-19页 |
| 2.1.3 反向传播算法 | 第19-21页 |
| 2.2 卷积神经网络 | 第21-25页 |
| 2.2.1 卷积层 | 第21-23页 |
| 2.2.2 汇聚层 | 第23-24页 |
| 2.2.3 正则化 | 第24-25页 |
| 2.3 细粒度图像分类 | 第25-26页 |
| 2.4 迁移学习 | 第26-27页 |
| 2.5 数据集及图像预处理 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于残差网络的自动骨龄评测 | 第30-39页 |
| 3.1 残差网络 | 第30-34页 |
| 3.1.1 残差块 | 第31-32页 |
| 3.1.2 残差网络架构 | 第32-33页 |
| 3.1.3 批量规范化 | 第33-34页 |
| 3.2 改进的损失函数 | 第34页 |
| 3.3 实验及结果分析 | 第34-38页 |
| 3.3.1 实验方案 | 第35页 |
| 3.3.2 实验结果 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于注意力网络模型的自动骨龄评测 | 第39-48页 |
| 4.1 注意力机制 | 第39-40页 |
| 4.2 基于注意力的卷积神经网络模型 | 第40-43页 |
| 4.3 实验及结果分析 | 第43-46页 |
| 4.3.1 实验方案 | 第43-45页 |
| 4.3.2 实验结果 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 自动骨龄评测系统的设计与实现 | 第48-56页 |
| 5.1 系统设计 | 第48页 |
| 5.2 服务接口和Web子系统 | 第48-50页 |
| 5.3 数据解析和存储 | 第50-51页 |
| 5.4 深度学习模型部署 | 第51-54页 |
| 5.5 系统测试 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-59页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间取得的研究成果 | 第63页 |
