声明
摘要
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 DDH超声图像诊断分类的现状
1.2.2 深度学习发展和研究现状
1.3 本文主要工作与内容安排
1.3.1 本文的主要内容
1.3.2 本文的主要贡献
1.3.3 本文的整体结构安排
第二章 人工神经网络和卷积神经网络
2.1 人工神经网络
2.1.1 神经元模型
2.1.2 神经网络结构
2.1.3 多层感知器(MLP)
2.1.4 人工神经网络的训练
2.2 卷积神经网络
2.2.1 卷积神经网络的基本结构
2.2.2 卷积神经网络的核心思想
2.2.3 卷积神经网络的训练过程
2.4 本章小结
第三章 支持向量机
3.1 支持向量机的简介
3.2 线性分类器
3.3 支持向量机的优化
3.4 本章小结
第四章 卷积神经网络在DDH超声图像识别中的应用
4.1 实验数据介绍
4.2 实验数据预处理
4.3 实验过程
4.3.1 实验条件
4.3.2 卷积神经网络的训练流程
4.3.3 实验一
4.3.4 实验二
4.3.5 参数设置的讨论
4.4 实验结果和分析
4.5 本章小节
第五章 总结与展望
5.1 全文总结
5.2 存在的问题和下一步的工作
参考文献
致谢
附录
厦门大学;