三维CT图像肝脏自动分割方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 CT图像肝脏分割难点 | 第9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 分割评价标准 | 第11-13页 |
| 1.5 本文内容及结构 | 第13-14页 |
| 1.6 论文组织结构 | 第14-15页 |
| 第二章 图像预处理 | 第15-19页 |
| 2.1 引言 | 第15页 |
| 2.2 横断面旋转角度调整 | 第15-16页 |
| 2.3 肝脏位置搜索 | 第16-17页 |
| 2.4 图像阈值滤波 | 第17-18页 |
| 2.5 本章小节 | 第18-19页 |
| 第三章 均值图谱分割 | 第19-32页 |
| 3.1 引言 | 第19页 |
| 3.2 图像配准技术 | 第19-22页 |
| 3.2.1 图像配准简介 | 第19-21页 |
| 3.2.2 B样条变换 | 第21-22页 |
| 3.3 均值图谱分割 | 第22-25页 |
| 3.3.1 均值图谱构造 | 第22-24页 |
| 3.3.2 均值图谱分割 | 第24-25页 |
| 3.4 算法实现 | 第25-26页 |
| 3.5 实验结果及分析 | 第26-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于深度卷积神经网络的边界体素分类 | 第32-51页 |
| 4.1 引言 | 第32页 |
| 4.2 常见分类器 | 第32-33页 |
| 4.3 深度卷积神经网络 | 第33-38页 |
| 4.3.1 卷积层 | 第34-35页 |
| 4.3.2 池化层 | 第35页 |
| 4.3.3 全连接层 | 第35-36页 |
| 4.3.4 激活函数 | 第36-37页 |
| 4.3.5 Dropout | 第37页 |
| 4.3.6 随机梯度下降法 | 第37-38页 |
| 4.4 提取训练数据 | 第38-39页 |
| 4.5 卷积神经网络结构和实现 | 第39-41页 |
| 4.6 实验结果及分析 | 第41-49页 |
| 4.6.1 不同大小图像数据块对结果的影响分析 | 第41-44页 |
| 4.6.2 分割结果展示与分析 | 第44-46页 |
| 4.6.3 量化分析及对比 | 第46-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
