基于深度信任网络的脑肿瘤提取方法的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 引言 | 第11页 |
| 1.2 研究工作的背景和意义 | 第11-12页 |
| 1.3 国内外研究历史和现状 | 第12-16页 |
| 1.4 论文主要研究内容和创新点 | 第16-17页 |
| 1.5 论文组织结构 | 第17-18页 |
| 第二章 深度信任网络和脑部数据介绍 | 第18-27页 |
| 2.1 深度信任网络的基本思想 | 第18-21页 |
| 2.2 传统深度信任网络图像分类的实现 | 第21-24页 |
| 2.2.1 分类思想 | 第21-23页 |
| 2.2.2 基于深度信任网络的手写数字图像分类 | 第23-24页 |
| 2.3 临床MRI图像和BRATS数据集 | 第24-26页 |
| 2.3.1 临床MRI图像 | 第24-25页 |
| 2.3.2 BRATS数据集 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于深度信任网络的脑肿瘤提取模型 | 第27-48页 |
| 3.1 脑部医学图像的预处理 | 第27-38页 |
| 3.1.1 图像配准和颅骨剥离 | 第28-33页 |
| 3.1.2 图像滤波 | 第33-34页 |
| 3.1.3 图像增强 | 第34-38页 |
| 3.2 基于深度信任网络的脑肿瘤分割 | 第38-42页 |
| 3.2.1 图像训练集生成 | 第39页 |
| 3.2.2 基于深度信任网络的脑肿瘤图像分类 | 第39-41页 |
| 3.2.3 分类映射提取 | 第41-42页 |
| 3.3 脑肿瘤提取 | 第42-47页 |
| 3.3.1 稀疏型阈值分割 | 第42页 |
| 3.3.2 边缘型腐蚀膨胀 | 第42-45页 |
| 3.3.3 稠密型二次提取 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于DBN-BTE的单分类脑肿瘤提取方法 | 第48-60页 |
| 4.1 图像的预处理 | 第48-50页 |
| 4.1.1 图像去噪 | 第48-49页 |
| 4.1.2 图像直方图处理 | 第49-50页 |
| 4.2 基于DBN-BTE的脑肿瘤单分类 | 第50-52页 |
| 4.2.1 图像块提取 | 第50-51页 |
| 4.2.2 脑肿瘤分类 | 第51-52页 |
| 4.3 单分类脑肿瘤提取 | 第52-53页 |
| 4.3.1 阈值分割 | 第52页 |
| 4.3.2 形态学处理 | 第52-53页 |
| 4.4 实验与结果分析 | 第53-59页 |
| 4.4.1 实验数据 | 第53-54页 |
| 4.4.2 实验设置与评价指标 | 第54-56页 |
| 4.4.3 实验结果与分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于DBN-BTE的多模态脑肿瘤提取方法 | 第60-71页 |
| 5.1 BRATS图像的预处理 | 第60-62页 |
| 5.1.1 中值滤波图像去噪 | 第60页 |
| 5.1.2 基于亮度变换和均衡化的图像增强 | 第60-62页 |
| 5.2 基于DBN-BTE的多模态脑肿瘤分割 | 第62-64页 |
| 5.2.1 BARTS训练集 | 第62-63页 |
| 5.2.2 不同模态肿瘤的分类 | 第63-64页 |
| 5.3 多模态肿瘤提取 | 第64-66页 |
| 5.3.1 不同模态肿瘤区域提取 | 第64-65页 |
| 5.3.2 多模态肿瘤融合 | 第65-66页 |
| 5.4 实验结果与分析 | 第66-70页 |
| 5.4.1 实验数据 | 第66-67页 |
| 5.4.2 实验设置 | 第67-68页 |
| 5.4.3 实验结果与分析 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-81页 |
| 攻读硕士学位期间取得的成果 | 第81页 |
