声明
致谢
1 绪论
1.1 研究背景及意义（Research Background and Significance）
1.2 国内外研究现状（Research Status）
1.3 研究内容及创新工作（Research Content and Innovative Work）
1.4 本文组织结构（Organization Structure）
2 相关技术及研究
2.1 深度卷积神经网络（Deep Convolutional Neural Network）
2.2 深度学习中的迁移学习（ Transfer learning in deep learning）
2.3 医疗影像中的图像分割（Image segmentation in medical imaging）
2.4 本章小结（Summary）
3 基于深度神经网络的甲状腺结节识别算法
3.1 概述（Overview）
3.2 算法介绍（Algorithm introduction）
3.3 实验结果与分析（Experimental results and analysis）
3.4 本章小结（Summary）
4 基于多卷积神经网络融合的甲状腺结节良恶性检测算法
4.1 概述（Overview）
4.2 DenseU-Net
4.3 CNN-F
4.4 性能评估方式（Performance evaluation method）
4.5 实验结果与分析（Experimental results and analysis）
4.6 本章小结（Summary）
5 总结与展望
5.1 总结（Conclusion）
5.2 展望（Prospect）
参考文献
作者简历
学位论文数据集
中国矿业大学中国矿业大学(江苏);
