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
杭州电子科技大学;