| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状分析 | 第11-12页 |
| 1.3 主要研究工作 | 第12-13页 |
| 1.4 论文的主要框架安排 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 理论基础 | 第14-35页 |
| 2.1 深度学习思想发展历程 | 第14-17页 |
| 2.2 深度学习中常用的正则化方法 | 第17-22页 |
| 2.2.1 图像数据增广 | 第17-18页 |
| 2.2.2 提前停止(early stopping) | 第18-19页 |
| 2.2.3 L1/L2正则化 | 第19-21页 |
| 2.2.4 dropout | 第21-22页 |
| 2.3 深度学习中常用的优化方法 | 第22-26页 |
| 2.3.1 基本优化算法 | 第23-25页 |
| 2.3.2 自适应学习率算法 | 第25-26页 |
| 2.4 常用激活函数 | 第26-28页 |
| 2.4.1 Sigmoid函数 | 第26-27页 |
| 2.4.2 Tanh函数 | 第27-28页 |
| 2.4.3 ReLU函数 | 第28页 |
| 2.5 数据归一化 | 第28-30页 |
| 2.5.1 Max-min归一化 | 第29页 |
| 2.5.2 Z-score归一化 | 第29-30页 |
| 2.6 两种典型神经网络的介绍 | 第30-34页 |
| 2.6.1 全连接神经网络 | 第30-31页 |
| 2.6.2 卷积神经网络 | 第31-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 肺部图像数据预处理与分割模型建构 | 第35-49页 |
| 3.1 分割流程框架设计 | 第35-36页 |
| 3.2 预处理 | 第36-44页 |
| 3.3 分割模型的建构 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 实验结果与分析 | 第49-57页 |
| 4.1 实验数据及预处理 | 第49-51页 |
| 4.2 网络模型训练及重要超参数的设置 | 第51-53页 |
| 4.3 网络模型分割效果的评价与比较 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 后续展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |