| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 卷积神经网络简介 | 第15-21页 |
| 2.1 卷积神经网络 | 第15-16页 |
| 2.2 优化算法 | 第16-21页 |
| 2.2.1 随机梯度下降算法 | 第16-18页 |
| 2.2.2 反向传播算法 | 第18-19页 |
| 2.2.3 本章小结 | 第19-21页 |
| 第三章 基于PSPNet肾脏及肾肿瘤分割 | 第21-45页 |
| 3.1 全卷积神经网络 | 第21-22页 |
| 3.2 PSPNet | 第22-28页 |
| 3.2.1 ResNet | 第23-25页 |
| 3.2.2 孔洞卷积 | 第25页 |
| 3.2.3 金字塔池化模型 | 第25-27页 |
| 3.2.4 网络结构 | 第27-28页 |
| 3.3 数据集预处理 | 第28-30页 |
| 3.3.1 数据集 | 第28页 |
| 3.3.2 数据标准化 | 第28-29页 |
| 3.3.3 数据增广 | 第29-30页 |
| 3.4 基于PSPNet_M2D的肾脏及肾肿瘤分割 | 第30-34页 |
| 3.4.1 网络结构 | 第30-32页 |
| 3.4.2 损失函数 | 第32-33页 |
| 3.4.3 微调 | 第33-34页 |
| 3.5 基于PSPNet_M2D3D的肾脏及肾肿瘤分割 | 第34页 |
| 3.6 实验结果与分析 | 第34-43页 |
| 3.6.1 评价指标 | 第34-36页 |
| 3.6.2 PSPNet_M2D分割结果 | 第36-41页 |
| 3.6.3 PSPNet_M2D3D分割结果 | 第41-43页 |
| 3.7 本章小结 | 第43-45页 |
| 第四章 基于3D全卷积网络的肾脏及肾肿瘤分割 | 第45-57页 |
| 4.1 基于KTSNet的肾脏及肾肿瘤分割方法 | 第45-48页 |
| 4.1.1 网络结构设计 | 第46-47页 |
| 4.1.2 全局特征增强模块 | 第47-48页 |
| 4.2 基于3DUNet的肾脏及肾肿瘤分割方法 | 第48-49页 |
| 4.3 实验结果与分析 | 第49-54页 |
| 4.3.1 KTSNet分割结果 | 第49-51页 |
| 4.3.2 3DUNet分割结果 | 第51-54页 |
| 4.4 本章小结 | 第54-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 论文工作总结 | 第57-58页 |
| 5.2 研究方向展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |