X光胸片骨组织去除方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 双能减影法(硬件法) | 第10页 |
| 1.2.2 规则法 | 第10-11页 |
| 1.2.3 模式识别法 | 第11页 |
| 1.3 论文组织结构 | 第11-13页 |
| 第二章 骨组织去除方法 | 第13-25页 |
| 2.1 基于规则的骨组织(肋骨)去除方法 | 第13-15页 |
| 2.1.1 肺野分割 | 第13-14页 |
| 2.1.2 肋骨定位 | 第14-15页 |
| 2.1.3 肋骨去除 | 第15页 |
| 2.2 基于模式识别的骨组织去除方法 | 第15-18页 |
| 2.2.1 特征选择 | 第16页 |
| 2.2.2 网络训练 | 第16-18页 |
| 2.2.3 骨组织去除 | 第18页 |
| 2.3 深度学习方法 | 第18-23页 |
| 2.3.1 深度学习与卷积神经网络 | 第18-19页 |
| 2.3.2 网络基本结构 | 第19-21页 |
| 2.3.3 网络优化算法 | 第21-23页 |
| 2.4 骨组织去除数值评价标准 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于卷积神经网络的骨组织去除 | 第25-41页 |
| 3.1 骨组织去除系统 | 第25页 |
| 3.2 数据预处理 | 第25-28页 |
| 3.2.1 数据降采样与扩增 | 第26页 |
| 3.2.2 计算梯度图 | 第26-27页 |
| 3.2.3 数据归一化 | 第27-28页 |
| 3.2.4 小块提取方法 | 第28页 |
| 3.3 卷积神经网络的训练和测试 | 第28-32页 |
| 3.3.1 卷积神经网络模型 | 第28-30页 |
| 3.3.2 卷积网络测试方法 | 第30页 |
| 3.3.3 卷积网络调参 | 第30-32页 |
| 3.4 改进网络结构 | 第32-34页 |
| 3.4.1 深层卷积网络 | 第32页 |
| 3.4.2 加速卷积网络 | 第32-34页 |
| 3.5 实验过程与结果分析 | 第34-40页 |
| 3.5.1 实验平台 | 第34页 |
| 3.5.2 实验数据 | 第34-35页 |
| 3.5.3 训练过程分析 | 第35-37页 |
| 3.5.4 显示效果分析 | 第37-39页 |
| 3.5.5 数值结果分析 | 第39-40页 |
| 3.5.6 运行时间分析 | 第40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于多分辨率卷积神经网络的骨组织去除 | 第41-46页 |
| 4.1 基本卷积网络的不足 | 第41页 |
| 4.2 多分辨率卷积神经网络 | 第41-42页 |
| 4.2.1 多分辨率网络框架 | 第41页 |
| 4.2.2 多分辨率分解方法 | 第41-42页 |
| 4.2.3 图像融合方法 | 第42页 |
| 4.3 实验结果分析 | 第42-45页 |
| 4.3.1 训练过程分析 | 第42-43页 |
| 4.3.2 显示效果分析 | 第43-45页 |
| 4.3.3 数值结果分析 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 5.1 论文工作总结 | 第46页 |
| 5.2 进一步研究 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 作者简介 | 第51页 |
