超声造影病灶区目标跟踪方法的研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 论文背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 目标跟踪算法研究现状 | 第12-13页 |
| 1.2.2 超声影像处理研究现状 | 第13-15页 |
| 1.2.3 超声影像目标跟踪存在的难点和问题 | 第15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文的框架结构 | 第16-18页 |
| 1.4.1 论文研究路线 | 第16-17页 |
| 1.4.2 论文章节结构 | 第17-18页 |
| 第2章 相关技术理论 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 粒子滤波运动目标跟踪 | 第18-20页 |
| 2.3 Horn–Schunck全局光流检测 | 第20-22页 |
| 2.4 深度学习与卷积神经网络 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 超声造影图像预处理 | 第24-36页 |
| 3.1 引言 | 第24页 |
| 3.2 超声影像数据集 | 第24-27页 |
| 3.3 基于边缘增强的各向异性扩散去噪算法 | 第27-28页 |
| 3.4 基于简单色彩平衡的MSRCP增强算法 | 第28-32页 |
| 3.4.1 Retinex算法基本原理 | 第28-29页 |
| 3.4.2 改进的MSRCP算法 | 第29-32页 |
| 3.5 实验结果和分析 | 第32-35页 |
| 3.5.1 EEAD去噪结果分析 | 第32-33页 |
| 3.5.2 Retinex算法增强结果对比 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 微分光流和深度学习特征融合的目标跟踪 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 粒子滤波框架的构建 | 第36-37页 |
| 4.3 光流分量运动估计 | 第37-39页 |
| 4.4 基于卷积神经网络的特征提取 | 第39-40页 |
| 4.5 实验设计与结果分析 | 第40-47页 |
| 4.5.1 实验设置和跟踪评价标准 | 第40-41页 |
| 4.5.2 基于微分光流的粒子滤波跟踪实验 | 第41-42页 |
| 4.5.3 融合深度学习特征的目标跟踪实验 | 第42-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 跨模态数据迁移的目标跟踪模型 | 第48-58页 |
| 5.1 引言 | 第48页 |
| 5.2 网络结构对比分析 | 第48-50页 |
| 5.3 跨模态数据迁移方法 | 第50-53页 |
| 5.3.1 跨模态迁移核心思想 | 第50-52页 |
| 5.3.2 样本选取和过拟合问题 | 第52页 |
| 5.3.3 超声灰阶数据模型迁移 | 第52-53页 |
| 5.4 实验设计与结果分析 | 第53-57页 |
| 5.4.1 乳腺超声灰阶数据迁移实验 | 第53-54页 |
| 5.4.2 跨模态迁移学习模型测试分析 | 第54-56页 |
| 5.4.3 跨模态迁移模型的目标跟踪实验 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第66-67页 |
