| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 待解决的问题 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-17页 |
| 1.3.1 基于传统机器学习脑肿瘤分割 | 第12-14页 |
| 1.3.2 基于多模式的脑肿瘤图像分割 | 第14-15页 |
| 1.3.3 基于三维图像的脑肿瘤分割 | 第15-16页 |
| 1.3.4 基于深度学习的脑肿瘤图像分割 | 第16-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 1.5 本文内容及结构安排 | 第18-19页 |
| 第2章 多模式脑肿瘤二维图像混合分割算法 | 第19-33页 |
| 2.1 线性融合算法原理 | 第19页 |
| 2.2 模糊C均值和快速模糊C均值 | 第19-25页 |
| 2.2.1 模糊C均值原理 | 第19-21页 |
| 2.2.2 基于直方图约束的快速模糊C均值聚类的图像分割 | 第21-25页 |
| 2.3 水平集和混合水平集 | 第25-28页 |
| 2.3.1 水平集 | 第25-26页 |
| 2.3.2 混合水平集 | 第26-28页 |
| 2.4 改进的多模式脑肿瘤二维图像混合分割算法实验设计 | 第28-29页 |
| 2.5 对比和讨论 | 第29-31页 |
| 2.6 本章总结 | 第31-33页 |
| 第3章 多模式脑肿瘤三维图像混合分割算法 | 第33-38页 |
| 3.1 三维快速模糊C均值算法 | 第33页 |
| 3.2 三维混合模型水平集原理 | 第33-34页 |
| 3.3 算法结构与结果 | 第34-37页 |
| 3.3.1 三维结果 | 第34-36页 |
| 3.3.2 与单模式MRI图像分割的比较 | 第36页 |
| 3.3.3 与多模式MRI图像分割的比较 | 第36-37页 |
| 3.4 本章总结 | 第37-38页 |
| 第4章 基于Voxresnet的脑肿瘤三维图像分割算法 | 第38-45页 |
| 4.1 残差网络介绍 | 第38-40页 |
| 4.2 Voxresnet三维图像分割 | 第40-42页 |
| 4.3 基于级联的Voxresnet网络结构 | 第42页 |
| 4.4 算法结果 | 第42-44页 |
| 4.5 本章总结 | 第44-45页 |
| 第5章 总结与展望 | 第45-50页 |
| 5.1 数据来源和实验环境 | 第45页 |
| 5.2 分割评价指标 | 第45-46页 |
| 5.3 论文工作总结 | 第46-48页 |
| 5.3.1 研究局限性 | 第47页 |
| 5.3.2 进一步的工作 | 第47-48页 |
| 5.4 前景展望 | 第48-50页 |
| 参考文献 | 第50-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 致谢 | 第58页 |
