基于深度学习的乳腺淋巴转移癌分类方法研究

声明

1 绪论

1.1 研究背景

1.2 国内外研究现状

1.2.1 基于深度学习的医疗图像分析

1.2.2 基于深度学习的乳腺淋巴病理切片分析

1.3 研究目的及意义

1.4 论文主要内容及章节安排

2 卷积神经网络

2.1 卷积神经网络基础

2.1.1 卷积运算

2.1.2 激活函数

2.1.3 池化

2.1.4 全连接

2.1.5 反向传播算法

2.2 核心技术基础

2.2.1 超分辨率网络

2.2.2 注意力机制

2.2.3 可视化技术

2.3 网络优化策略

2.4 本章小结

3 乳腺淋巴转移癌病理图像分析及增强处理

3.1 乳腺淋巴转移癌病理图像数据集分析

3.1.1 分期决策

3.1.2 实验数据库

3.1.3 实验数据分析

3.2 图像处理与增强方法

3.2.1 图像增强

3.2.2 图像归一化

3.2.3 超分辨率重建

3.3 结果评估分析

3.3.1 评价指标

3.3.2 图像处理对转移癌分类的影响

3.4 本章小结

4 AFPCN乳腺淋巴转移癌病理图像分类网络

4.1 模型概览

4.2 损失函数

4.3 网络模型分析

4.4 网络优化方法

4.5 AFPCN网络架构介绍及性能测试

4.6 本章小结

5 模型训练方法、评估及可视化

5.1 模型训练策略

5.1.1 训练方式

5.1.2 迁移学习

5.2 模型评估

5.2.1 对比实验设计

5.2.2 实验结果分析

5.3 可视化结果分析

5.4 本章小结

6 总结与展望

6.1 工作总结

6.2 展望

参考文献

致谢

附录