声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 专家系统方法
1.2.2 人工特征法与机器学习方法
1.2.3 深度学习方法
1.3 论文的主要内容和创新点
1.4 论文组织和结构
2 深度卷积神经网络
2.1 传统的卷积分类架构
2.1.1 卷积层
2.1.2 激活函数
2.1.3 批量正则化
2.1.4 池化层
2.2 目标检测架构
2.2.1 Two-stage 方法
2.2.2 One-stage 方法
2.2.3 对比与分析
2.3 本章小结
3 甲状腺超声影像人工标记的处理
3.1 问题描述
3.2 人工标记的去除
3.3 人工标记的修复
3.4 本章小结
4 超声甲状腺结节的特征提取
4.1 超声甲状腺结节传统特征提取方法
4.1.1 形状和边缘提取
4.1.2 纹理提取
4.2 超声甲状腺结节深度学习特征提取方法
4.3 实验
4.3.1 数据集和评价标准
4.3.2 实验设置
4.3.3 结果与讨论
4.4 本章小结
5 超声甲状腺结节的识别与检测
5.1 Anchor box 的获取
5.1.1 人工经验获取
5.1.2 k-means 算法获取
5.2 多尺度的检测层
5.3 损失函数
5.4 实验
5.4.1 数据集和评价标准
5.4.2 实验设置
5.4.3 结果与讨论
5.5 本章小结
6 系统设计与实现
6.1 系统概述
6.1.1 系统设计意义和背景
6.1.2 系统设计的目标
6.2 系统可行性分析
6.2.1 技术可行性
6.2.2 资源可行性
6.2.3 安全可行性
6.3 系统需求分析
6.4 系统概要设计
6.4.1 总体框架结构设计
6.4.2 数据库实体与属性的提取
6.4.3 数据库 E-R 图设计
6.4.4 数据库表设计
6.5 系统详细设计
6.5.1 数据脱敏与可视化模块
6.5.2 超声甲状腺结节智能检测与识别模块
6.5.3 矩形框标注模块
6.5.4 分割框标注模块
6.5.5 特征染色模块
6.6 系统测试
6.6.1 功能测试
6.6.2 系统兼容性测试
6.6.3 性能测试
6.7 本章小结
7 总结与展望
7.1 总结
7.2 展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢
郑州大学;