| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 脑胶质瘤MRI的分割意义 | 第11-13页 |
| 1.2 研究内容以及章节安排 | 第13-15页 |
| 第二章 医学图像分割技术 | 第15-23页 |
| 2.1 医学图像分割的概述 | 第15页 |
| 2.2 BraTS2015 | 第15-17页 |
| 2.3 常见的医学图像分割方法 | 第17-21页 |
| 2.3.1 基于阈值的分割方法 | 第17-18页 |
| 2.3.2 基于区域的分割方法 | 第18-19页 |
| 2.3.3 基于像素分类的方法 | 第19-20页 |
| 2.3.4 基于模型的方法 | 第20-21页 |
| 2.3.5 基于多图谱的方法 | 第21页 |
| 2.4 常见的分割性能指标 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于Dice的全卷积DenseNet的脑肿瘤分割 | 第23-42页 |
| 3.1 卷积神经网络基础 | 第23-31页 |
| 3.1.1 网络结构 | 第23-27页 |
| 3.1.2 训练算法 | 第27页 |
| 3.1.3 全卷积DenseNet | 第27-31页 |
| 3.2 基础网络结构与数据的构建 | 第31-33页 |
| 3.2.1 网络结构参数 | 第31-32页 |
| 3.2.2 数据预处理 | 第32-33页 |
| 3.3 参数的选择与实验讨论 | 第33-41页 |
| 3.3.1 数据维度和融合步长 | 第34-36页 |
| 3.3.2 数据扩增 | 第36-37页 |
| 3.3.3 图像块大小 | 第37页 |
| 3.3.4 网络结构大小 | 第37-38页 |
| 3.3.5 损失函数 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于多损失函数的全卷积DenseNet的脑肿瘤分割 | 第42-50页 |
| 4.1 BraTS2015与其他分割任务的区别 | 第42-45页 |
| 4.2 多Dice损失函数 | 第45-46页 |
| 4.3 实验与讨论 | 第46-49页 |
| 4.3.1 多损失函数 | 第47-48页 |
| 4.3.2 预测形式 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-53页 |
| 5.1 论文总结 | 第50-51页 |
| 5.2 课题展望 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 攻读学位期间成果 | 第59-60页 |
| 致谢 | 第60-62页 |