| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 心肌分割算法研究现状 | 第11-13页 |
| 1.3 本文研究内容及章节安排 | 第13-15页 |
| 2 心血管磁共振图像心肌分割算法介绍 | 第15-42页 |
| 2.1 心血管磁共振图像与DICOM标准 | 第15-16页 |
| 2.2 图像预处理算法 | 第16-23页 |
| 2.2.1 图像形变算法 | 第17-21页 |
| 2.2.2 图像灰度变换算法 | 第21-23页 |
| 2.3 传统分割算法 | 第23-28页 |
| 2.3.1 阈值分割算法 | 第23-25页 |
| 2.3.2 聚类分割算法 | 第25-27页 |
| 2.3.3 水平集分割算法 | 第27-28页 |
| 2.4 深度学习算法 | 第28-41页 |
| 2.4.1 神经网络 | 第29-32页 |
| 2.4.2 卷积神经网络 | 第32-37页 |
| 2.4.3 全卷积神经网络 | 第37-39页 |
| 2.4.4 神经网络模型优化算法 | 第39-41页 |
| 2.5 本章总结 | 第41-42页 |
| 3 基于图像块分类的心肌分割算法 | 第42-58页 |
| 3.1 算法架构模型 | 第42-43页 |
| 3.2 基于单次多框物体检测框架的心脏定位网络 | 第43-46页 |
| 3.3 基于卷积神经网络的心肌分割网络 | 第46-47页 |
| 3.4 心血管磁共振图像心肌分割实验 | 第47-57页 |
| 3.4.1 数据集与实验配置 | 第48-49页 |
| 3.4.2 心脏定位网络的训练 | 第49-50页 |
| 3.4.3 心肌分割网络的训练 | 第50页 |
| 3.4.4 分割结果的评价方法 | 第50-51页 |
| 3.4.5 实验结果与分析 | 第51-57页 |
| 3.5 本章总结 | 第57-58页 |
| 4 基于全卷积网络的心肌分割算法 | 第58-70页 |
| 4.1 算法架构模型 | 第58页 |
| 4.2 基于编码器-解码器架构的全卷积心肌分割网络 | 第58-59页 |
| 4.3 心血管磁共振图像心肌分割实验 | 第59-69页 |
| 4.3.1 全卷积心肌分割网络的训练 | 第60-61页 |
| 4.3.2 实验结果与分析 | 第61-69页 |
| 4.4 本章总结 | 第69-70页 |
| 5 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第76-78页 |
| 学位论文数据集 | 第78页 |