基于堆叠自动编码器的多模态脑肿瘤图像分割方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状和发展态势 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文的创新点 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 医学图像处理技术 | 第16-28页 |
| 2.1 医学成像技术 | 第16-19页 |
| 2.2 医学图像处理方法 | 第19-25页 |
| 2.3 传统医学图像分割技术 | 第25-27页 |
| 2.3.1 基于阈值的图像分割 | 第25页 |
| 2.3.2 区域生长算法 | 第25-26页 |
| 2.3.3 模糊C均值聚类 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于单模态图像的脑肿瘤图像分割 | 第28-42页 |
| 3.1 单模态脑肿瘤分割框架 | 第28-29页 |
| 3.2 基于深度置信网络的分类方法 | 第29-31页 |
| 3.3 基于卷积神经网络的分类方法 | 第31-32页 |
| 3.4 基于支持向量机的分类方法 | 第32-34页 |
| 3.5 堆叠降噪自动编码器 | 第34-37页 |
| 3.5.1 自动编码器 | 第34-35页 |
| 3.5.2 降噪自动编码器 | 第35-36页 |
| 3.5.3 堆叠降噪自动编码器 | 第36-37页 |
| 3.6 实验与实验结果 | 第37-41页 |
| 3.6.1 实验环境与数据 | 第37-38页 |
| 3.6.2 实验设置 | 第38页 |
| 3.6.3 实验结果分析 | 第38-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 基于多模态图像的脑肿瘤分割 | 第42-73页 |
| 4.1 多模态脑肿瘤分割框架 | 第42-43页 |
| 4.2 预处理 | 第43-54页 |
| 4.3 基于SDAE网络的图像分类 | 第54-56页 |
| 4.4 后处理 | 第56-58页 |
| 4.5 实验设置与结果分析 | 第58-72页 |
| 4.5.1 多模态医学图像的三分类 | 第58-61页 |
| 4.5.2 多模态医学图像的五分类 | 第61-68页 |
| 4.5.3 结果分析 | 第68-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 全文总结 | 第73-74页 |
| 5.2 后续工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间取得的成果 | 第82页 |
