基于特征区域等级判定的CHN法智能骨龄评估系统

目录

声明

目 录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1骨龄评估标准发展

1.2.2传统的自动骨龄评估方法研究

1.2.3基于深度学习的骨龄评估研究现状

1.3 本文主要研究内容

1.4 论文结构安排

第二章 深度学习与卷积神经网络基础

2.1 深度学习概述

2.2 卷积神经网络结构

2.2.1卷积层

2.2.2激活函数

2.2.3池化层

2.2.4全连接层

2.3 卷积神经网络模型

2.3.1AlxeNet

2.3.2 ResNet

2.4 深度学习框架

2.5 本章小结

第三章 基于全手腕骨的骨龄评估方法

3.1 全手腕骨图像预处理和分割

3.1.1 灰度化

3.1.2 二值化和轮廓检测

3.1.3 图像分割和缩放

3.2 SeNet结构和机制

3.3 双重池化和迁移学习

3.3.1最大-均值池化

3.3.2迁移学习

3.4 不同网络模型的实验结果及分析

3.4.1 实验方案

3.4.1 实验结果分析

3.5 本章小结

第四章 基于特征区域等级识别的骨龄评估方法

4.1 数据处理数据增强

4.2 注意力机制

4.3 基于双注意力和Focal loss的骨龄评估模型

4.3.1 通道注意力

4.3.2 空间注意力

4.3.3 Focal loss 多类分类

4.4 不同网络模型的实验结果与对比

4.4.1 实验方案

4.4.2 实验结果分析

4.5 CHN评分法改进

4.5.1 CHN-TOP2 评分法

4.5.2 CHN-TOP2 法实验结果

4.6 本章小结

第五章 智能骨龄评估系统设计与实现

5.1 系统设计

5.2 功能模块介绍

5.3 智能骨龄评估模块和模型部署

5.4 系统测试

5.5 本章小结

第六章 总结与展望

6.1本文工作总结

6.2未来研究展望

参考文献

致 谢

作者简介

1 作者简历

4 发明专利

学位论文数据集