基于多图谱的医学图像分割算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9页 |
| 1.2 论文的研究背景及意义 | 第9-11页 |
| 1.3 国内外研究现状及发展趋势 | 第11-15页 |
| 1.3.1 基于区域的分割方法 | 第11-13页 |
| 1.3.2 基于边缘检测的分割方法 | 第13页 |
| 1.3.3 基于模型的分割方法 | 第13-14页 |
| 1.3.4 基于图谱的分割方法 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第二章 相关理论的研究及评价标准 | 第16-30页 |
| 2.1 基于单图谱配准的分割方法 | 第16页 |
| 2.2 图像配准 | 第16-22页 |
| 2.2.1 几何变换 | 第17-18页 |
| 2.2.2 相似性度量 | 第18-19页 |
| 2.2.3 灰度插值 | 第19-21页 |
| 2.2.4 参数优化 | 第21-22页 |
| 2.3 神经网络 | 第22-29页 |
| 2.3.1 激活函数 | 第23页 |
| 2.3.2 前向神经网络 | 第23-24页 |
| 2.3.3 损失函数 | 第24-25页 |
| 2.3.4 BP神经网络 | 第25-26页 |
| 2.3.5 卷积神经网络 | 第26-29页 |
| 2.4 评价指标 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于多图谱配准的分割方法 | 第30-48页 |
| 3.1 基于多图谱配准的分割方法概述 | 第30-31页 |
| 3.2 基于多图谱配准的分割方法分割脊柱CT | 第31-38页 |
| 3.2.1 脊柱椎体的中心和旋转角度的估计 | 第31-36页 |
| 3.2.2 图谱图像和目标图像的初始对齐 | 第36页 |
| 3.2.3 图谱图像和目标图像的配准、变换 | 第36-37页 |
| 3.2.4 分割结果的标签融合 | 第37-38页 |
| 3.3 实验及实验结果 | 第38-47页 |
| 3.3.1 数据集 | 第38-39页 |
| 3.3.2 实验及实验结果 | 第39-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于多图谱的深度学习分割方法 | 第48-61页 |
| 4.1 引言 | 第48-51页 |
| 4.2 致密V-NET的网络结构 | 第51-55页 |
| 4.3 实验及实验结果 | 第55-60页 |
| 4.3.1 数据集 | 第55-56页 |
| 4.3.2 实验及分析 | 第56-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61页 |
| 5.2 不足与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-69页 |
| 详细摘要 | 第69-71页 |
