超声图像中胎儿股骨自动测量方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 综述 | 第9-16页 |
| 1.1 胎儿股骨测量的临床背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 胎儿股骨测量 | 第10-11页 |
| 1.2.2 标志点定位 | 第11页 |
| 1.2.3 机器学习 | 第11-12页 |
| 1.3 本文的研究目标与挑战 | 第12页 |
| 1.4 本论文的研究设想 | 第12-14页 |
| 1.5 本文的章节组织 | 第14-16页 |
| 第2章 基于Frangi滤波的股骨自动测量方法 | 第16-25页 |
| 2.1 框架介绍 | 第16-17页 |
| 2.2 Frangi滤波方法 | 第17-19页 |
| 2.3 骨架化处理方法 | 第19-20页 |
| 2.4 结果与分析 | 第20-23页 |
| 2.4.1 实验数据与系统实现 | 第20页 |
| 2.4.2 定性评价 | 第20-21页 |
| 2.4.3 定量评价 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于随机森林回归模型的股骨自动测量方法 | 第25-39页 |
| 3.1 框架介绍 | 第25-26页 |
| 3.2 随机森林介绍 | 第26-27页 |
| 3.3 特征设计 | 第27-29页 |
| 3.3.1 高斯采样 | 第27-28页 |
| 3.3.2 特征提取 | 第28-29页 |
| 3.4 一阶段回归器训练 | 第29-31页 |
| 3.4.1 参数设置与一阶回归器训练 | 第29-30页 |
| 3.4.2 一阶随机森林回归器优化 | 第30页 |
| 3.4.3 一阶回归器测试 | 第30-31页 |
| 3.5 二阶回归器优化及训练 | 第31-33页 |
| 3.5.1 Context特征设计 | 第32页 |
| 3.5.2 二阶随机森林回归器训练 | 第32-33页 |
| 3.6 股骨端点定位 | 第33-34页 |
| 3.7 结果与分析 | 第34-38页 |
| 3.7.1 实验数据与系统实现 | 第34-36页 |
| 3.7.2 定性评价 | 第36-37页 |
| 3.7.3 自动上下文优化效果评价及定性评价 | 第37-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第4章 基于SegNet的股骨自动测量方法 | 第39-48页 |
| 4.1 框架介绍 | 第39-40页 |
| 4.2 深度学习网络 | 第40-43页 |
| 4.2.1 全卷积网络 | 第40-41页 |
| 4.2.2 SegNet介绍 | 第41-43页 |
| 4.3 后处理方法 | 第43-44页 |
| 4.4 结果与分析 | 第44-47页 |
| 4.4.1 定性评价 | 第44-45页 |
| 4.4.2 定量评价 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-51页 |
| 5.1 本论文总结 | 第48-49页 |
| 5.2 本论文的创新与贡献 | 第49页 |
| 5.3 不足与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |
