基于卷积神经网络的体数据可视化研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 体数据超分辨率 | 第12-13页 |
| 1.2.2 体数据去噪 | 第13-14页 |
| 1.2.3 可视化逆向工程 | 第14-16页 |
| 1.3 本文的工作 | 第16页 |
| 1.4 本文的结构安排 | 第16-18页 |
| 第2章 卷积神经网络的基本概念 | 第18-28页 |
| 2.1 卷积神经网络 | 第18-21页 |
| 2.1.1 全连接层 | 第18-19页 |
| 2.1.2 卷积层 | 第19-20页 |
| 2.1.3 池化层 | 第20页 |
| 2.1.4 非线性激活层 | 第20-21页 |
| 2.2 卷积神经网络的常见模型 | 第21-22页 |
| 2.3 卷积神经网络的优化算法 | 第22-26页 |
| 2.3.1 反向传播算法 | 第22-23页 |
| 2.3.2 常用的损失函数 | 第23-24页 |
| 2.3.3 梯度下降法 | 第24-26页 |
| 2.4 深度学习常用框架 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于三维卷积神经网络的体数据质量增强 | 第28-61页 |
| 3.1 体数据质量增强的问题描述 | 第28-29页 |
| 3.2 基准三维卷积神经网络的设计 | 第29-33页 |
| 3.3 三维卷积神经网络在体数据超分辨率的应用 | 第33-37页 |
| 3.3.1 体数据超分辨率的问题描述 | 第33-34页 |
| 3.3.2 基准网络在体数据超分辨率的应用 | 第34-37页 |
| 3.4 三维卷积神经网络在体数据去噪的应用 | 第37-41页 |
| 3.4.1 体数据去噪的问题描述 | 第37-38页 |
| 3.4.2 基准网络在体数据去噪的应用 | 第38-41页 |
| 3.5 实验过程 | 第41-48页 |
| 3.5.1 数据集 | 第41-44页 |
| 3.5.2 评估指标 | 第44-45页 |
| 3.5.3 网络超参数确定 | 第45-48页 |
| 3.6 实验结果分析 | 第48-60页 |
| 3.6.1 定量比较与分析 | 第48-53页 |
| 3.6.2 可视化结果比较与分析 | 第53-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第4章 基于卷积神经网络的传输函数重构 | 第61-75页 |
| 4.1 传输函数重构的问题描述 | 第61-62页 |
| 4.2 模型的设计 | 第62-65页 |
| 4.3 实验过程 | 第65-67页 |
| 4.3.1 数据集 | 第65-66页 |
| 4.3.2 网络的训练 | 第66-67页 |
| 4.4 实验结果分析 | 第67-73页 |
| 4.4.1 定量比较与分析 | 第67-68页 |
| 4.4.2 可视化结果比较与分析 | 第68-73页 |
| 4.5 本章小结 | 第73-75页 |
| 第5章 总结展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-84页 |
| 攻读硕士学位期间主要的研究成果 | 第84-85页 |
| 致谢 | 第85页 |
