声明
第一章 引 言
1.1 研究背景与意义
1.2 国内外现状
1.3 测试图像数据库
1.4 论文创新点及结构
第二章乳腺肿瘤病理图像分类相关技术
2.1 分类方法概述
2.2 基于传统机器学习的分类
2.2.1 图像分割
2.2.2 特征提取
2.2.3 特征选择
2.2.4 分类
2.3 基于深度学习的分类方法
2.3.1 卷积神经网络的发展
2.3.2 卷积神经网络的结构
2.4 本章小结
第三章基于影像组学的分类
3.1 图像分割
3.2 特征提取
3.3 特征选择
3.4 分类
3.5 评价标准
3.6 实验结果和分析
(1)分割结果
(2)特征选择结果
(3)参数优化结果
(4)分类结果
3.7 本章小结
第四章基于卷积神经网络的分类
4.1 图像预处理
4.2 级联卷积神经网络模型
4.2.1 ResNet 50网络模型
4.2.2 softmax分类器
4.2.3 图像增强
4.2.4 迁移学习
4.2.5 级联ReseNet 50网络模型
4.3 训练策略与过程
4.4 评价标准
4.5 实验结果分析
4.6 本章小结
第五章结 论
5.1 工作总结
5.2 展望
参考文献
致 谢
攻读硕士期间发表论文情况
附 录
山东中医药大学;