基于深度学习的眼底图像血管分割方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 研究方法 | 第8-10页 |
| 1.2.2 眼底图像血管分割常用数据库 | 第10-12页 |
| 1.2.3 分割方法的评价指标 | 第12-13页 |
| 1.2.4 三大现存难题 | 第13-14页 |
| 1.3 本文的研究设想 | 第14-15页 |
| 1.4 本文的研究创新 | 第15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第2章 深度学习理论 | 第16-27页 |
| 2.1 技术与理论 | 第16-21页 |
| 2.2 深度学习框架 | 第21-27页 |
| 2.2.1 Deep LearnToolbox | 第21页 |
| 2.2.2 Caffe | 第21-27页 |
| 第3章 基于块的图像分割方法 | 第27-53页 |
| 3.1 方法概述 | 第27-29页 |
| 3.2 算法详细解析 | 第29-34页 |
| 3.2.1 图像前期处理 | 第30页 |
| 3.2.2 血管分割 | 第30-33页 |
| 3.2.3 图像拼接 | 第33-34页 |
| 3.3 实验与结果分析 | 第34-52页 |
| 3.3.1 全连接网络模型实验与结果分析 | 第34-44页 |
| 3.3.2 卷积神经网络模型实验与结果分析 | 第44-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 端到端的图像分割方法 | 第53-76页 |
| 4.1 方法概述 | 第53-54页 |
| 4.2 算法详细解析 | 第54-60页 |
| 4.2.1 图像前期处理 | 第54-55页 |
| 4.2.2 血管分割 | 第55-60页 |
| 4.3 实验结果与分析 | 第60-74页 |
| 4.3.1 二分之一型网络模型实验与结果分析 | 第60-67页 |
| 4.3.2 四分之一型网络模型实验与结果分析 | 第67-74页 |
| 4.4 本章小结 | 第74-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76-77页 |
| 5.2 研究展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间的研究成果 | 第83页 |
