| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-16页 |
| 1.1.1 医学影像分析方法 | 第11-12页 |
| 1.1.2 基于深度学习的医学影像分析 | 第12-14页 |
| 1.1.3 医学影像数据集与影像分析系统的发展现状 | 第14-16页 |
| 1.2 主要研究内容 | 第16-18页 |
| 1.2.1 关键问题 | 第16-17页 |
| 1.2.2 研究内容 | 第17-18页 |
| 2. 医学影像数据集构建方法研究 | 第18-25页 |
| 2.1 医学影像数据格式 | 第18-20页 |
| 2.1.1 医学成像模式 | 第18页 |
| 2.1.2 DICOM数据格式 | 第18-19页 |
| 2.1.3 其他影像数据格式 | 第19-20页 |
| 2.2 医学影像数据标注方法研究 | 第20-22页 |
| 2.2.1 标注需求分析 | 第20页 |
| 2.2.2 常见的标注形式 | 第20-21页 |
| 2.2.3 标注质量要求 | 第21-22页 |
| 2.3 医学影像数据集构建流程 | 第22-24页 |
| 2.3.1 原始影像数据准备 | 第22-23页 |
| 2.3.2 影像数据标注 | 第23-24页 |
| 2.3.3 标注信息存储与使用 | 第24页 |
| 2.4 本章小节 | 第24-25页 |
| 3. 面向深度学习的医学影像分析系统的设计与实现 | 第25-47页 |
| 3.1 系统总体设计 | 第25-31页 |
| 3.1.1 需求分析 | 第25-26页 |
| 3.1.2 功能设计 | 第26-27页 |
| 3.1.3 技术设计 | 第27-31页 |
| 3.2 医学影像数据标注模块构建 | 第31-37页 |
| 3.2.1 影像标注数据库 | 第31-33页 |
| 3.2.2 数据服务接口 | 第33-34页 |
| 3.2.3 安全访问控制 | 第34-35页 |
| 3.2.4 可视化影像标注 | 第35-37页 |
| 3.3 影像数据集建立 | 第37-41页 |
| 3.3.1 胃镜检查影像数据集 | 第38-40页 |
| 3.3.2 心脏冠脉检查影像数据集 | 第40-41页 |
| 3.4 医学影像算法集成分析模块构建 | 第41-46页 |
| 3.4.1 算法集成分析模块集成设计 | 第41-42页 |
| 3.4.2 分析服务接口 | 第42-43页 |
| 3.4.3 可视化在线分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4. 胃镜视频中关键生理解剖位置分割研究 | 第47-61页 |
| 4.1 基于深度学习的医学图像分割方法 | 第47-50页 |
| 4.1.1 全卷积神经网络(Fully Convolutional Networks,FCN) | 第47-48页 |
| 4.1.2 U-net | 第48-49页 |
| 4.1.3 SegNet | 第49-50页 |
| 4.2 基于SegNet网络的语义分割实践 | 第50-60页 |
| 4.2.1 数据集与软硬件环境 | 第50-52页 |
| 4.2.2 神经网络结构定义与训练 | 第52-54页 |
| 4.2.3 结果分析 | 第54-60页 |
| 4.3 本章小结 | 第60-61页 |
| 5. 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 作者简介 | 第68页 |