摘要 |
第5-7页 |
ABSTRACT |
第7-8页 |
第1章 绪论 |
第17-28页 |
1.1 研究背景和意义 |
第17-19页 |
1.1.1 脑部肿瘤 |
第17-18页 |
1.1.2 肺部肿瘤 |
第18-19页 |
1.2 国内外研究现状 |
第19-24页 |
1.2.1 医学图像预处理方法 |
第20-21页 |
1.2.2 图像分割研究现状 |
第21-23页 |
1.2.3 图像检测研究现状 |
第23-24页 |
1.3 本文研究内容和主要工作 |
第24-25页 |
1.4 本文章节架构 |
第25-28页 |
第2章 背景介绍 |
第28-45页 |
2.1 医学成像 |
第28-34页 |
2.1.1 CT成像 |
第29-31页 |
2.1.2 MR成像 |
第31-34页 |
2.2 人工神经网络 |
第34-41页 |
2.2.1 参数优化方法 |
第37页 |
2.2.2 卷积神经网络 |
第37-41页 |
2.3 基于分类和检测经典模型 |
第41-44页 |
2.3.1 经典分类网络 |
第41页 |
2.3.2 经典目标检测网络 |
第41-44页 |
2.4 本章小结 |
第44-45页 |
第3章 基于MR和CT图像数据预处理 |
第45-64页 |
3.1 相关研究背景 |
第45-46页 |
3.2 基于MR图像的分布均衡化算法 |
第46-49页 |
3.2.1 算法 |
第47-49页 |
3.3 基于CT图像的分布均衡化算法 |
第49-52页 |
3.3.1 算法 |
第50-52页 |
3.4 实验与分析 |
第52-63页 |
3.4.1 实验环境 |
第52页 |
3.4.2 基于MR图像的实验 |
第52-60页 |
3.4.3 基于CT图像的实验 |
第60-63页 |
3.5 本章小结 |
第63-64页 |
第4章 基于二维MR图像的脑肿瘤分割 |
第64-74页 |
4.1 相关研究 |
第64页 |
4.2 双通路CNN+FCRF混合模型 |
第64-67页 |
4.2.1 CNN结构 |
第65-66页 |
4.2.2 全连接条件随机场FCRF架构 |
第66-67页 |
4.3 实验与分析 |
第67-73页 |
4.3.1 实验数据集和评测指标 |
第67-68页 |
4.3.2 实验架构 |
第68页 |
4.3.3 数据预处理 |
第68-71页 |
4.3.4 模型参数设置 |
第71-72页 |
4.3.5 实验结果与分析 |
第72-73页 |
4.4 本章小结 |
第73-74页 |
第5章 基于三维MR图像的脑肿瘤分割 |
第74-81页 |
5.1 相关研究 |
第74-75页 |
5.2 模型架构 |
第75-77页 |
5.2.1 3D分割模型设计 |
第75-76页 |
5.2.2 多分类焦点损失函数 |
第76-77页 |
5.3 实验与分析 |
第77-80页 |
5.3.1 实验数据集 |
第77页 |
5.3.2 训练参数设置 |
第77页 |
5.3.3 实验结果与分析 |
第77-80页 |
5.4 本章小结 |
第80-81页 |
第6章 基于三维CT图像的肺部结节检测 |
第81-92页 |
6.1 相关研究 |
第81-82页 |
6.2 网络架构 |
第82-85页 |
6.2.1 3D Nodule GAN |
第82-83页 |
6.2.2 3D结节检测网络 |
第83-85页 |
6.3 实验与分析 |
第85-91页 |
6.3.1 数据集 |
第85-86页 |
6.3.2 训练参数 |
第86-87页 |
6.3.3 实验结果与分析 |
第87-91页 |
6.4 本章小结 |
第91-92页 |
第7章 结束语 |
第92-94页 |
7.1 本文的主要工作和贡献 |
第92页 |
7.2 进一步的工作 |
第92-94页 |
参考文献 |
第94-102页 |
致谢 |
第102-103页 |
在读期间发表的学术论文与取得的研究成果 |
第103页 |
|