经皮冠状动脉介入手术术中导航方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 微创介入手术中手术导航的应用 | 第14-18页 |
| 1.2.1 经皮冠状动脉介入手术导航 | 第14页 |
| 1.2.2 介入器械检测研究 | 第14-18页 |
| 1.3 本论文的主要研究内容 | 第18-20页 |
| 第2章 经皮冠状动脉介入手术导航 | 第20-26页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于X造影图像的术中导航框架 | 第21-25页 |
| 2.2.1 导丝检测框架设计 | 第22-25页 |
| 2.2.2 血管轮廓检测框架 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 导航中的导丝检测 | 第26-42页 |
| 3.1 引言 | 第26页 |
| 3.2 导丝检测算法 | 第26-28页 |
| 3.2.1 机器学习检测算法 | 第27页 |
| 3.2.2 深度卷积网络导丝检测算法 | 第27-28页 |
| 3.3 机器学习导丝检测 | 第28-32页 |
| 3.3.1 LBP特征 | 第28-30页 |
| 3.3.2 AdaBoost分类器 | 第30页 |
| 3.3.3 级联分类器 | 第30-31页 |
| 3.3.4 改进方法 | 第31-32页 |
| 3.4 深度学习导丝检测 | 第32-37页 |
| 3.4.1 卷积神经网络 | 第32-34页 |
| 3.4.2 检测网络 | 第34-35页 |
| 3.4.3 导丝检测 | 第35-37页 |
| 3.5 实验 | 第37-41页 |
| 3.5.1 机器学习导丝检测 | 第37页 |
| 3.5.2 深度学习导丝检测 | 第37-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 血管轮廓检测算法 | 第42-49页 |
| 4.1 引言 | 第42页 |
| 4.2 血管轮廓检测算法 | 第42-46页 |
| 4.2.1 图像增强算法 | 第42-43页 |
| 4.2.2 血管轮廓检测 | 第43-45页 |
| 4.2.3 血管轮廓估计算法 | 第45-46页 |
| 4.3 实验 | 第46-48页 |
| 4.3.1 实验数据 | 第46页 |
| 4.3.2 实验结果及分析 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
