退行性疾病MRI图像的特征识别方法

目录

声明

1 绪论

1.1 研究的背景及意义

1.1.1 研究背景

1.1.2 研究的目的和意义

1.2 国内外研究现状

1.2.1 人脑特征识别方法

1.2.2 腰椎特征识别方法

1.3 人脑和腰椎MRI图像特征检测难点

1.4 论文结构安排

2 深度学习算法框架

2.1 深度学习

2.1.1 深度学习的概念

2.1.2 深度学习的发展

2.2 卷积神经网络

2.2.1 前向传播过程

2.2.2 反向传播过程

2.3 卷积神经网络的特点

2.4 深度学习中的正则化

2.4.1 数据集增广

2.4.2 提前终止训练

2.4.3 Dropout

2.5 卷积神经网络示例

2.6 本章小结

3 人脑MRI图像的特征识别

3.1 训练数据集

3.1.1 图像预处理

3.1.2 样本集制作

3.2 Caffe框架

3.3 卷积网络搭建

3.3.1 网络结构

3.3.2 网络训练

3.4 实验结果及评价

3.4.1 实验结果

3.4.2 实验评价

3.4.3 实验总结

3.5 本章小结

4 腰椎MRI图像的特征识别

4.1 卷积神经网络构造

4.1.1 网络原理

4.1.2 网络框架

4.2 网络训练与测试

4.2.1 训练数据集

4.2.2 网络训练

4.2.3 网络训练

4.3 腰椎实验及结果

4.3.1 腰椎识别

4.3.2 识别结果

4.3.3 结果评价

4.4 实验改进

4.4.1 改进方法

4.4.2 改进结果

4.5 实验总结

4.6 本章小结

5 总结和展望

5.1 论文总结

5.2工作展望

致谢

参考文献

附录