| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-18页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 乳腺超声图像的结构和特点 | 第12-14页 |
| 1.3 乳腺超声图像分割方法概述 | 第14-17页 |
| 1.4 论文的主要工作和内容安排 | 第17-18页 |
| 2 神经网络理论概述 | 第18-33页 |
| 2.1 神经元模型 | 第18-21页 |
| 2.2 多层前馈神经网络 | 第21-22页 |
| 2.3 误差逆传播算法 | 第22-24页 |
| 2.4 卷积神经网络 | 第24-29页 |
| 2.4.1 卷积神经网络的特点 | 第25-27页 |
| 2.4.2 卷积神经网络的相关运算 | 第27-29页 |
| 2.5 神经网络的优化 | 第29-32页 |
| 2.5.1 Pre-training | 第29-30页 |
| 2.5.2 Batch Normalization | 第30页 |
| 2.5.3 Dropout | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 基于卷积神经网络的乳腺超声图像分割 | 第33-46页 |
| 3.1 实验数据 | 第33-34页 |
| 3.2 实验环境的搭建 | 第34-35页 |
| 3.3 实验思路 | 第35-36页 |
| 3.4 样本采集 | 第36-37页 |
| 3.5 卷积神经网络的设计 | 第37-39页 |
| 3.6 训练神经网络 | 第39-43页 |
| 3.7 测试神经网络 | 第43-45页 |
| 3.8 本章小结 | 第45-46页 |
| 4 实验结果和分析 | 第46-55页 |
| 4.1 评价指标 | 第46-47页 |
| 4.1.1 基于区域的评估 | 第46-47页 |
| 4.1.2 基于边界的评估 | 第47页 |
| 4.2 实验结果 | 第47-49页 |
| 4.3 实验分析 | 第49-54页 |
| 4.3.1 参数配置的影响 | 第49-52页 |
| 4.3.2 同其他方法的对比 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |