摘要
1 绪论
1.1 课题研究背景及意义
1.2 国内外发展现状
1.2.1 医学影像发展现状
1.2.2 医学图像分类方法的发展现状
1.3 本文使用的相关内容介绍
1.3.1 使用的数据库介绍
1.3.2 分类精度评价指标
1.4 本文的主要工作和结构安排
2 医学图像分类预处理技术研究
2.1 医学图像的获取与特点
2.1.1 DICOM 3.0标准
2.1.2 DICOM文件
2.1.3 医学图像的特点
2.2 医学图像的预处理与ROI区域分割
2.2.1 医学图像的预处理
2.2.2 医学图像的ROI区域分割
2.3 医学图像低层次特征的提取方法
2.3.1 基于纹理特征的医学图像特征表达方法
2.3.2 基于局部特征的医学图像特征表达方法
2.4 本章小结
3 基于浅层网络结构模型的分类方法研究
3.1 浅层网络特征学习过程
3.2 受限玻尔兹曼机
3.3 稀疏自动编码机
3.4 人工神经网络
3.4.1.生物神经元
3.4.2.人工神经元模型
3.4.3 人工神经网络
3.4.4 误差反向传播算法
3.5 基于浅层网络结构模型的乳腺肿瘤X线图像数据分类研究
3.5.1 实验参数设置
3.5.2 实验结果分析
3.6 本章小结
4 基于深度学习的分类方法研究
4.1 深度学习介绍
4.2 深度学习网络结构模型
4.2.1 深度信念网络
4.2.2 栈式自动编码机
4.2.3 卷积神经网络
4.3 基于深度学习网络结构模型的乳腺肿瘤X线图像数据分类研究
4.3.1 实验参数设置
4.3.2 实验结果对比分析
4.4 基于卷积深度信念网络的肺结节CT图像数据分类研究
4.4.1 卷积信念网络
4.4.2 实验参数设置
4.4.3 实验结果对比分析
4.5 结论
5 总结与展望
参考文献
致谢
攻读学位期间取得的研究成果
声明