| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 区域生长 | 第10页 |
| 1.2.2 模糊聚类 | 第10-11页 |
| 1.2.3 可变形模型 | 第11-12页 |
| 1.2.4 形态学分水岭 | 第12页 |
| 1.2.5 卷积神经网络方法 | 第12页 |
| 1.2.6 其他方法 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文内容安排 | 第14-15页 |
| 第二章 图像分割基本理论 | 第15-21页 |
| 2.1 基于边界分割算法 | 第15-19页 |
| 2.1.1 并行边界分割算法 | 第15-17页 |
| 2.1.2 串行边界分割算法 | 第17-19页 |
| 2.2 基于区域分割算法 | 第19-20页 |
| 2.2.1 并行区域分割算法 | 第19页 |
| 2.2.2 串行区域分割算法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 卷积神经网络及模糊推理系统 | 第21-32页 |
| 3.1 深度学习的发展 | 第21-22页 |
| 3.2 卷积神经网络 | 第22-29页 |
| 3.2.1 .卷积神经网络结构 | 第24-25页 |
| 3.2.2 卷积神经网络特性 | 第25-27页 |
| 3.2.3 卷积神经网络的训练 | 第27-29页 |
| 3.3 模糊推理系统 | 第29-31页 |
| 3.3.1 模糊集 | 第29-30页 |
| 3.3.2 模糊规则 | 第30页 |
| 3.3.3 模糊推理 | 第30-31页 |
| 3.3.4 模糊推理系统处理流程 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 结合卷积神经网络和模糊系统的脑肿瘤分割算法 | 第32-41页 |
| 4.1 算法设计 | 第32-36页 |
| 4.1.1 CNN模型 | 第32页 |
| 4.1.2 非线性映射 | 第32-33页 |
| 4.1.3 模糊推理系统 | 第33-35页 |
| 4.1.4 算法流程 | 第35-36页 |
| 4.2 仿真实验 | 第36-40页 |
| 4.2.1 模型训练与非线性映射函数的确定 | 第36-38页 |
| 4.2.2 与单模态MRI图像分割的比较 | 第38-39页 |
| 4.2.3 与多模态MRI图像分割的比较 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 基于改进的全卷积神经网络的脑肿瘤分割算法 | 第41-51页 |
| 5.1 全卷积神经网络 | 第41-44页 |
| 5.1.1 全连接层转化为卷积层 | 第42页 |
| 5.1.2 上采样层 | 第42-43页 |
| 5.1.3 跳跃层 | 第43-44页 |
| 5.2 算法设计 | 第44-47页 |
| 5.2.1 图像预处理 | 第44-45页 |
| 5.2.2 构建FCN模型 | 第45-46页 |
| 5.2.3 算法流程 | 第46-47页 |
| 5.3 实验结果及分析 | 第47-49页 |
| 5.3.1 三种全卷积神经网络模型分割结果的比较 | 第47-48页 |
| 5.3.2 与多模态MRI图像分割结果的比较 | 第48-49页 |
| 5.4 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 本文工作总结 | 第51-52页 |
| 6.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |