| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题背景及研究意义 | 第9-12页 |
| 1.2 冠状动脉分割提取及三维重建研究现状 | 第12-14页 |
| 1.3 基于深度学习的医学图像处理 | 第14-15页 |
| 1.4 非侵入式冠状动脉血流储备分数研究现状 | 第15-16页 |
| 1.5 论文研究内容及结构安排 | 第16-19页 |
| 第二章 基于深度学习的冠状动脉区域检测 | 第19-33页 |
| 2.1 传统感兴趣区域提取方法 | 第19-20页 |
| 2.2 基于深度学习的目标检测理论 | 第20-25页 |
| 2.2.1 卷积神经网络 | 第21-24页 |
| 2.2.2 Faster R-CNN网络 | 第24-25页 |
| 2.3 基于深度学习的冠状动脉感兴趣区域检测 | 第25-29页 |
| 2.3.1 CTA图像预处理 | 第26-28页 |
| 2.3.2 冠状动脉数据库 | 第28-29页 |
| 2.3.3 深度卷积神经网络训练冠状动脉检测模型 | 第29页 |
| 2.4 实验结果分析与对比 | 第29-31页 |
| 2.4.1 实验结果对比 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 冠状动脉分割以及三维重建 | 第33-51页 |
| 3.1 医学图像分割算法 | 第33-35页 |
| 3.2 ASM算法在冠状动脉血管分割上的应用 | 第35-38页 |
| 3.2.1 ASM算法 | 第35-37页 |
| 3.2.2 ASM算法分割冠状动脉结果 | 第37-38页 |
| 3.3 GVF-Snake方法在冠状动脉血管分割上的应用 | 第38-41页 |
| 3.3.1 GVF-Snake模型 | 第38-40页 |
| 3.3.2 GVF-Snake模型分割冠状动脉结果 | 第40-41页 |
| 3.4 改进的Otsu阈值分割算法 | 第41-44页 |
| 3.5 分割结果评价 | 第44-46页 |
| 3.6 冠状动脉三维重建 | 第46-49页 |
| 3.6.1 面绘制 | 第47页 |
| 3.6.2 体绘制 | 第47页 |
| 3.6.3 冠状动脉三维重建结果 | 第47-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第四章 冠状动脉血液动力学分析 | 第51-77页 |
| 4.1 计算流体力学基础 | 第51-54页 |
| 4.2 网格划分 | 第54-55页 |
| 4.3 血液动力学基础 | 第55-56页 |
| 4.4 血管几何模型的血液动力学分析 | 第56-67页 |
| 4.4.1 狭窄血管模型的血液动力学分析 | 第60-62页 |
| 4.4.2 分支血管模型的血液动力学分析 | 第62-65页 |
| 4.4.3 狭窄分支血管的血液动力学分析 | 第65-67页 |
| 4.5 冠状动脉血液动力学分析及血流储备分数的计算 | 第67-75页 |
| 4.5.1 冠状动脉血液动力学分析 | 第67-70页 |
| 4.5.2 血流储备分数计算 | 第70-72页 |
| 4.5.3 基于冠状动脉CTA图像的非侵入血流储备分数计算 | 第72-75页 |
| 4.6 本章小结 | 第75-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77-78页 |
| 5.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 发表论文和参加科研情况 | 第83-85页 |
| 致谢 | 第85页 |
