声明
摘要
1.1研究背景及意义
1.2国内外研究现状
1.3主要研究内容
1.4论文组织结构
第二章甲状腺超声图像分类技术概述
2.1甲状腺超声图像研究概况
2.1.1甲状腺超声图像数据介绍
2.1.2甲状腺结节患者临床样本分析
2.2甲状腺超声图像评估分析
2.2.1 TI-RADS标准
2.2.2甲状腺超声诊断
2.3甲状腺超声图像分类方法
2.3.1基于集成学习的分类算法
2.3.2基于人工神经网络的分类算法
2.3.3基于深度学习的分类算法
2.4本章小结
第三章甲状腺超声图像的卷积神经网络分类模型构建
3.2卷积神经网络构建
3.2.1神经元与多层感知器构建
3.2.2激活函数选取
3.2.3卷积结构构建
3.2.4池化结构构建
3.3甲状腺超声图像分类模型改进
3.3.1多方向滤波图像增强
3.3.2 Softmax分类器正则化
3.3.3全连接层特征空间映射
3.4本章小结
第四章基于深度残差神经网络的分类模型构建研究
4.1残差学习理论思想
4.2跨层连接设计分析
4.2.1非线性映射与恒等映射分析
4.2.2恒等残差块设计
4.3甲状腺超声图像残差网络模型影响因素
4.3.1 GPU运行的影响
4.3.2残差函数的影响
4.3.3 t-SNE降维的影响
4.3.4迭代次数的影响
4.4甲状腺超声图像跨层连接分类模型
4.5本章小结
第五章实验与相关分析
5.1甲状腺超声图像实验数据集
5.2实验评价指标
5.3实验设计与结果分析
5.3.1数据脱敏
5.3.2甲状腺超声图像结节检测分析
5.3.3甲状腺超声图像结节良恶性分类分析
5.4本章小结
6.1总结
6.2展望
参考文献
致谢
个人简介及攻读硕士学位期间论文发表情况