| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 ABUS的解剖层分割与病灶检测的临床背景与研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本论文的目标与挑战 | 第14-17页 |
| 1.4 本论文的研究设想 | 第17页 |
| 1.5 论文的内容组织 | 第17-19页 |
| 第2章 基于ABUS图像的全自动解剖层分割系统(ABUS-AADS) | 第19-30页 |
| 2.1 ABUS图像的全自动解剖层分割系统框架 | 第19-20页 |
| 2.2 ABUS-AADS的卷积神经网络模块 | 第20-25页 |
| 2.2.1 卷积层 | 第20-21页 |
| 2.2.2 激活函数层 | 第21-22页 |
| 2.2.3 最大值池化层与反池化层 | 第22页 |
| 2.2.4 反卷积层 | 第22-24页 |
| 2.2.5 损失函数的定义 | 第24-25页 |
| 2.3 Adaptive Domain Transfer(ADT)模式 | 第25-26页 |
| 2.4 深监督层 | 第26页 |
| 2.5 深度边缘监督 | 第26-28页 |
| 2.6 ABUS-AADS系统架构 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 ABUS-AADS的实验及分析 | 第30-43页 |
| 3.1 实验数据 | 第30-31页 |
| 3.2 ABUS-AADS的系统实现 | 第31页 |
| 3.3 ABUS-AADS的系统评估 | 第31-42页 |
| 3.3.1 评价指标 | 第32-33页 |
| 3.3.2 ADT训练方法的有效性的定性与定量评估 | 第33-37页 |
| 3.3.3 DBS有效性的定性与定量评估 | 第37-42页 |
| 3.3.4 ABUS-AADS与BASELINE的评估 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于ABUS图像的全自动病灶检测系统(ABUS-ATDS) | 第43-52页 |
| 4.1 ABUS图像的全自动病灶检测系统框架 | 第43-45页 |
| 4.2 ABUS-ATDS的系统模块 | 第45-51页 |
| 4.2.1 Unet简介 | 第45页 |
| 4.2.2 三维卷积 | 第45-46页 |
| 4.2.3 DSC Loss | 第46-47页 |
| 4.2.4 DenseBlock | 第47-48页 |
| 4.2.5 密集深监督(DDS) | 第48-49页 |
| 4.2.6 C3D | 第49页 |
| 4.2.7 全连接条件随机场(CRF) | 第49-51页 |
| 4.3 检测结果的获取 | 第51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 ABUS-ATDS的实验及分析 | 第52-61页 |
| 5.1 实验数据 | 第52-53页 |
| 5.2 ABUS-ATDS的系统实现 | 第53-54页 |
| 5.3 ABUS-ATDS的系统评估 | 第54-60页 |
| 5.3.1 评价指标 | 第54-55页 |
| 5.3.2 DenseBlock有效性的定性与定量评估 | 第55-57页 |
| 5.3.3 密集深监督有效性的定性与定量评估 | 第57-58页 |
| 5.3.4 DSCloss有效性的定量评估 | 第58-59页 |
| 5.3.5 CRF有效性的定量评估 | 第59页 |
| 5.3.6 ABUS-ATDS系统与BaseLine的定量评估 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-67页 |
| 6.1 本文总结 | 第61-63页 |
| 6.2 本文的主要贡献 | 第63页 |
| 6.3 不足与展望 | 第63-67页 |
| 参考文献 | 第67-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
