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);