| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第11-13页 |
| 1 绪论 | 第13-29页 |
| 1.1 研究背景及意义 | 第13-17页 |
| 1.2 国内外研究现状 | 第17-24页 |
| 1.3 基础模型及分割精度评价方法 | 第24-27页 |
| 1.4 论文研究内容及结构安排 | 第27-29页 |
| 2 同时实现PET图像复原、肿瘤分割和模糊核估计 | 第29-61页 |
| 2.1 引言 | 第29-31页 |
| 2.2 同时实现PET复原、肿瘤分割和模糊核估计的模型及其优化 | 第31-35页 |
| 2.3 实验数据、比较算法、参数调整方法及复原效果评价指标 | 第35-38页 |
| 2.4 验证模型的复原、分割和模糊核估计精度 | 第38-57页 |
| 2.5 模型性能及实验结果分析 | 第57-59页 |
| 2.6 本章小结 | 第59-61页 |
| 3 结合PET复原的PET/CT多模态肿瘤分割 | 第61-83页 |
| 3.1 引言 | 第61-63页 |
| 3.2 结合PET复原的PET/CT多模态肿瘤分割模型及其优化 | 第63-68页 |
| 3.3 PET/CT数据集、比较算法及参数调整方法 | 第68-71页 |
| 3.4 验证模型的肿瘤分割性能及PET复原效果 | 第71-80页 |
| 3.5 PET/CT肿瘤分割难点及本章模型的优势分析 | 第80-81页 |
| 3.6 本章小结 | 第81-83页 |
| 4 基于深度学习和变分法的PET/CT多模态肿瘤分割 | 第83-107页 |
| 4.1 引言 | 第83-85页 |
| 4.2 结合深度学习网络和模糊变分模型的PET/CT肿瘤分割方法 | 第85-91页 |
| 4.3 实验数据、比较算法及参数设置 | 第91-93页 |
| 4.4 验证方法设计的合理性及肿瘤分割精度 | 第93-103页 |
| 4.5 方法性能及实验结果分析 | 第103-104页 |
| 4.6 本章小结 | 第104-107页 |
| 5 基于无监督深度学习的PET肿瘤分割 | 第107-121页 |
| 5.1 引言 | 第107-109页 |
| 5.2 无监督深度学习网络及损失函数设计 | 第109-113页 |
| 5.3 实验数据集及比较算法 | 第113-114页 |
| 5.4 验证方法的分割性能及分割精度与自学习样本量的关系 | 第114-119页 |
| 5.5 方法性能、意义及实验结果分析 | 第119-120页 |
| 5.6 本章小结 | 第120-121页 |
| 6 总结与展望 | 第121-125页 |
| 6.1 全文总结 | 第121-122页 |
| 6.2 论文的主要创新点 | 第122页 |
| 6.3 展望 | 第122-125页 |
| 致谢 | 第125-127页 |
| 参考文献 | 第127-143页 |
| 附录Ⅰ 攻读博士学位期间发表和在审论文目录 | 第143-147页 |
| 附录Ⅱ 攻读博士学位期间参与的科研项目 | 第147-148页 |
| 附录Ⅲ 公开发表和在审的学术论文与博士学位论文的关系 | 第148-149页 |
| 附录Ⅳ 推导过程 | 第149-155页 |
