| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 课题背景与意义 | 第13-15页 |
| 1.2 脑肿瘤及脑瘤分割研究现状 | 第15-17页 |
| 1.3 论文的主要研究内容 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-19页 |
| 第2章 图像分割与卷积神经网络 | 第19-29页 |
| 2.1 图像分割 | 第19-23页 |
| 2.1.1 图像分割概述 | 第19-20页 |
| 2.1.2 经典图像分割方法 | 第20-23页 |
| 2.2 卷积神经网络 | 第23-26页 |
| 2.2.1 深度学习概述 | 第23-24页 |
| 2.2.2 卷积神经网络的发展 | 第24-25页 |
| 2.2.3 卷积神经网络的基本结构 | 第25-26页 |
| 2.3 卷积神经网络在图像语义分割中的应用 | 第26-28页 |
| 2.3.1 图像语义分割 | 第26-27页 |
| 2.3.2 卷积神经网络在图像语义分割中的应用 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于三维卷积神经网络的脑肿瘤分割 | 第29-58页 |
| 3.1 脑瘤分割数据库BRATS | 第29-30页 |
| 3.2 三维卷积和池化运算 | 第30-34页 |
| 3.2.1 二维卷积运算 | 第30-32页 |
| 3.2.2 二维池化运算 | 第32-33页 |
| 3.2.3 三维卷积运算和池化运算 | 第33-34页 |
| 3.3 基于三维卷积的图像分割神经网络 | 第34-44页 |
| 3.3.1 图像分割神经网络框架 | 第34-35页 |
| 3.3.2 反卷积层和跳跃连接 | 第35-37页 |
| 3.3.3 三维卷积的图像分割网络 | 第37-44页 |
| 3.4 基于伪三维卷积和密集连接的图像分割神经网络 | 第44-49页 |
| 3.4.1 伪三维卷积 | 第44-46页 |
| 3.4.2 密集连接 | 第46-47页 |
| 3.4.3 基于伪三维卷积和密集连接块的图像分割网络 | 第47-49页 |
| 3.5 脑瘤分割结果及分析 | 第49-52页 |
| 3.6 脑瘤内部结构分割 | 第52-57页 |
| 3.6.1 脑瘤区域提取 | 第53-55页 |
| 3.6.2 脑瘤内部分割结果 | 第55-57页 |
| 3.7 本章小结 | 第57-58页 |
| 第4章 基于循环网络和卷积运算的脑肿瘤分割 | 第58-65页 |
| 4.1 循环神经网络与序列处理 | 第58-61页 |
| 4.1.1 循环神经网络RNN | 第59-60页 |
| 4.1.2 长短期记忆模型LSTM | 第60-61页 |
| 4.2 Conv-LSTM | 第61-62页 |
| 4.3 基于Conv-LSTM的脑肿瘤分割 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65页 |
| 5.2 未来展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 在读期间发表的学术论文与取得的研究成果 | 第73页 |