第一个书签之前
摘要
ABSTRACT
插图索引
表格索引
符号对照表
缩略语对照表
缩略语对照表
第一章 绪论
1.1生物医学信息学
1.2生物医学信号
1.3人工神经网络与深度学习
1.4主要研究内容和章节安排
1.4.1主要研究内容
1.4.2章节安排
第二章 基于CNN特征表示的乳腺肿块分类
2.1引言
2.2深度学习与CNN特征表示
2.3基于视觉特征表示的乳腺肿块分类
2.4基于CNN特征表示的乳腺肿块分类方法
2.4.1乳腺肿块CNN特征表示网络
2.4.2乳腺肿块CNN特征决策机制
2.5实验结果与分析
2.5.1乳腺肿块图像数据
2.5.2客观评价
2.5.3主观评价
2.6本章小结
第三章 基于大间隔度量CNN的乳腺肿块分类方法
3.2度量学习和深度度量CNN
3.3基于大间隔度量CNN的乳腺肿块分类方法
3.3.1大间隔度量学习层
3.3.2侧重疑难病例的网络训练迭代策略
3.4实验结果与分析
3.5本章小结
第四章 基于时空融合CNN的EEG信号分类
4.1引言
4.2EEG信号分类
4.3工作记忆和心理负荷分类
4.4基于时空融合CNN的EEG分类方法
4.4.1多通道输入EEG分类网络
4.4.2单通道输入EEG分类网络
4.4.3基于时空融合CNN的EEG信号分类
4.5实验结果与分析
4.5.1EEG信号数据集
4.5.2CNN模型训练
4.5.3分类错误率
4.5.4特征向量分布
4.6本章小结
第五章 基于EEG和生成对抗CNN的视觉刺激重构
5.2基于神经影像信号的视觉解码
5.3生成对抗CNN
5.4基于EEG和生成对抗CNN的视觉刺激重构方法
5.4.1视觉引导的EEG信号分类
5.4.2基于生成对抗CNN的视觉刺激生成
5.5实验结果与分析
5.5.1实验数据
5.5.2GAN网络结构与训练方法
5.5.3结果分析
5.6本章小结
第六章 总结与展望
6.1.1乳腺肿块分类总结
6.1.2脑电信号解码总结
6.2研究展望
6.2.1乳腺肿块分类展望
6.2.2脑电信号解码展望
参考文献
致谢
作者简介
西安电子科技大学;