| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究的重要意义 | 第8-9页 |
| 1.2 研究现状 | 第9-15页 |
| 1.2.1 卷积神经网络发展 | 第9-13页 |
| 1.2.2 卷积神经网络在医学图像上的应用 | 第13-15页 |
| 1.3 本文的研究内容和结构 | 第15-16页 |
| 1.3.1 本文主要的研究内容 | 第15页 |
| 1.3.2 本文的结构 | 第15-16页 |
| 第二章 相关理论工作 | 第16-29页 |
| 2.1 多层神经网络 | 第16-17页 |
| 2.2 激活函数与反向传播算法 | 第17-18页 |
| 2.3 卷积与图像 | 第18-20页 |
| 2.4 卷积神经网络中常见的其他层 | 第20-22页 |
| 2.5 分割网络-全卷积神经网络 | 第22-24页 |
| 2.6 新型网络结构 | 第24-25页 |
| 2.7 输出单元 | 第25-26页 |
| 2.8 卷积神经网络中的正则化 | 第26-29页 |
| 第三章 基于稠密连接与带孔卷积的视网膜血管分割 | 第29-41页 |
| 3.1 实验数据集 | 第29-30页 |
| 3.2 网络结构 | 第30-37页 |
| 3.2.1 医学图像分割网络结构分析 | 第30-31页 |
| 3.2.2 增加网络深度的方法选择 | 第31-34页 |
| 3.2.3 DenseNet结合带孔卷积的网络结构 | 第34-36页 |
| 3.2.4 针对医学图像使用加权损失函数 | 第36-37页 |
| 3.3 实验设计与结果 | 第37-41页 |
| 3.3.1 视网膜血管分割实验 | 第37页 |
| 3.3.2 结果分析 | 第37-39页 |
| 3.3.3 验证加权交叉熵对分割的影响 | 第39-41页 |
| 第四章 基于多尺度特征和DenseNet的鼻咽癌肿瘤分割 | 第41-53页 |
| 4.1 鼻咽癌数据集 | 第41-42页 |
| 4.2 基于DenseNet的多尺度鼻咽癌分割网络 | 第42-48页 |
| 4.2.1 鼻咽癌分割难点 | 第42-44页 |
| 4.2.2 多尺度特征的提取方法比较 | 第44-46页 |
| 4.2.3 改进的多尺度网络结构 | 第46-47页 |
| 4.2.4 损失函数 | 第47-48页 |
| 4.3 实验设计与结果 | 第48-53页 |
| 4.3.1 鼻咽癌分割实验 | 第48-51页 |
| 4.3.2 结果分析 | 第51-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 作者在读期间科研成果简介 | 第58-59页 |
| 致谢 | 第59页 |
