基于全卷积神经网络的全视野乳腺钼靶肿块分割研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义及现状 | 第11-14页 |
| 1.2 研究内容 | 第14-15页 |
| 1.3 本章小结 | 第15-16页 |
| 第2章 全卷积神经网络介绍 | 第16-26页 |
| 2.1 FCN结构详解 | 第16-22页 |
| 2.1.1 卷积替换全连接 | 第16-18页 |
| 2.1.2 增加上采样 | 第18-20页 |
| 2.1.3 多层特征融合 | 第20-21页 |
| 2.1.4 FCN的优点与不足 | 第21-22页 |
| 2.2 U-Net结构详解 | 第22-25页 |
| 2.2.1 编码器-解码器结构 | 第22-23页 |
| 2.2.2 跳跃连接 | 第23-24页 |
| 2.2.3 U-Net的应用实例 | 第24页 |
| 2.2.4 U-Net的衍生网络 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 乳腺钼靶肿块分割方法简介 | 第26-30页 |
| 3.1 传统图像分割方法 | 第26-28页 |
| 3.2 基于深度学习的分割方法 | 第28页 |
| 3.3 本章小结 | 第28-30页 |
| 第4章 注意力引导的密集上采样网络 | 第30-36页 |
| 4.1 非对称网络架构 | 第30-32页 |
| 4.2 注意力引导的密集上采样模块 | 第32-34页 |
| 4.3 本章小结 | 第34-36页 |
| 第5章 实验设置和结果分析 | 第36-48页 |
| 5.1 数据集介绍 | 第36-37页 |
| 5.2 损失函数与评价指标 | 第37-38页 |
| 5.3 实验细节及对照设置 | 第38-39页 |
| 5.4 实验结果 | 第39-45页 |
| 5.4.1 CBIS-DDSM数据集结果 | 第39-42页 |
| 5.4.2 INbreast数据集结果 | 第42-44页 |
| 5.4.3 定性结果 | 第44页 |
| 5.4.4 感兴趣区域分割结果 | 第44-45页 |
| 5.5 本章小节 | 第45-48页 |
| 第6章 讨论、总结与展望 | 第48-52页 |
| 6.1 讨论 | 第48-50页 |
| 6.2 总结与展望 | 第50-52页 |
| 参考文献 | 第52-62页 |
| 致谢 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
