前列腺磁共振医学图像分析的统计特征方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究状况 | 第17-22页 |
| 1.2.1 超分辨率重建算法 | 第17-19页 |
| 1.2.2 偏移场校正方法 | 第19-20页 |
| 1.2.3 前列腺组织分割算法 | 第20-22页 |
| 1.3 本文的主要创新点与内容安排 | 第22-24页 |
| 1.3.1 本文的主要创新点 | 第22页 |
| 1.3.2 本文的内容安排 | 第22-24页 |
| 第二章 相关理论知识 | 第24-33页 |
| 2.1 神经网络 | 第24-28页 |
| 2.1.1 神经元 | 第24-25页 |
| 2.1.2 激活函数 | 第25-26页 |
| 2.1.3 神经网络模型 | 第26-28页 |
| 2.2 本文涉及的几种优化算法 | 第28-29页 |
| 2.2.1 梯度下降法 | 第28页 |
| 2.2.2 随机梯度下降法 | 第28页 |
| 2.2.3 Momentum | 第28-29页 |
| 2.2.4 NesterovMomentum | 第29页 |
| 2.3 变分水平集的基本理论 | 第29-33页 |
| 2.3.1 主动轮廓模型 | 第29页 |
| 2.3.2 曲线演化理论 | 第29-30页 |
| 2.3.3 水平集方法 | 第30-31页 |
| 2.3.4 水平集函数的构造 | 第31-32页 |
| 2.3.5 水平集方法用于图像分割 | 第32-33页 |
| 第三章 基于描述学习的超分辨率重建 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 浅层神经网络 | 第33-37页 |
| 3.2.1 预处理 | 第33-34页 |
| 3.2.2 块提取和描述 | 第34-35页 |
| 3.2.3 非线性映射 | 第35-36页 |
| 3.2.4 重建 | 第36页 |
| 3.2.5 训练 | 第36-37页 |
| 3.3 实验结果与评价 | 第37-38页 |
| 3.3.1 RReLUvs.ReLU | 第37页 |
| 3.3.2 NAGvs.SGD | 第37-38页 |
| 3.3.3 综合实验评估 | 第38页 |
| 3.4 小结 | 第38-41页 |
| 第四章 基于统计分析的偏移场评估 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 理论规划 | 第41-45页 |
| 4.2.1 分段常量特性 | 第42-44页 |
| 4.2.2 分段光滑特性 | 第44-45页 |
| 4.3 偏移场校正过程 | 第45-47页 |
| 4.3.1 预处理 | 第45页 |
| 4.3.2 获取组织的分类参数 | 第45-46页 |
| 4.3.3 优化能量函数 | 第46-47页 |
| 4.3.4 选择加权系数 | 第47页 |
| 4.4 实验结果与讨论 | 第47-51页 |
| 4.4.1 定性评估 | 第48页 |
| 4.4.2 定量评估 | 第48-51页 |
| 4.4.3 讨论 | 第51页 |
| 4.5 小结 | 第51-53页 |
| 第五章 结合形状先验的前列腺组织水平集分割 | 第53-62页 |
| 5.1 引言 | 第53页 |
| 5.2 前列腺组织分割的基本框架 | 第53-54页 |
| 5.3 前列腺组织定位 | 第54-55页 |
| 5.4 水平集规划 | 第55-58页 |
| 5.5 实验结果与评价 | 第58-61页 |
| 5.6 小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文主要工作总结 | 第62-63页 |
| 6.2 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的科研工作与成果 | 第68-71页 |
| 1 )发表的学术论文 | 第68页 |
| 2 )参与的科研项目 | 第68页 |
| 3 )获得的奖励 | 第68页 |
| 4 )参加的学术交流 | 第68-71页 |
