| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 肺肿瘤图像分割现状 | 第11-13页 |
| 1.2.2 肝脏图像分割现状 | 第13-15页 |
| 1.3 研究内容和主要工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第二章 医学图像分割基础理论 | 第17-33页 |
| 2.1 医学图像分割简介 | 第17-20页 |
| 2.1.1 图像分割概念 | 第17页 |
| 2.1.2 医学图像分割方法简介 | 第17-20页 |
| 2.2 基于图论的分割方法简介 | 第20-29页 |
| 2.2.1 图论基础 | 第20-21页 |
| 2.2.2 随机游走算法 | 第21-25页 |
| 2.2.3 图割算法 | 第25-29页 |
| 2.3 卷积神经网络简介 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于约束随机游走的多模态肿瘤图像分割 | 第33-45页 |
| 3.1 预处理 | 第33-35页 |
| 3.2 算法描述 | 第35-40页 |
| 3.2.1 种子点定位算法 | 第35-36页 |
| 3.2.2 CT图像上的随机游走 | 第36-37页 |
| 3.2.3 PET图像上的随机游走 | 第37-38页 |
| 3.2.4 相似度矩阵加权 | 第38-39页 |
| 3.2.5 算法流程 | 第39-40页 |
| 3.3 实验结果与分析 | 第40-44页 |
| 3.3.1 实验数据 | 第40-41页 |
| 3.3.2 评价标准 | 第41页 |
| 3.3.3 实验分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于改进U-Net和图割算法的肝脏CT序列分割 | 第45-56页 |
| 4.1 预处理 | 第45-46页 |
| 4.2 算法描述 | 第46-50页 |
| 4.2.1 全卷积网络构建 | 第46-47页 |
| 4.2.2 能量函数构建 | 第47-49页 |
| 4.2.3 算法流程 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-54页 |
| 4.3.1 实验数据及平台 | 第50-51页 |
| 4.3.2 评价标准 | 第51页 |
| 4.3.3 实验参数设置 | 第51-52页 |
| 4.3.4 实验分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间研究成果 | 第64页 |