首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的OCT心血管易损斑块识别

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第9-19页
    1.1 课题来源与研究意义第9页
    1.2 研究背景第9-15页
        1.2.1 心血管病第9-11页
        1.2.2 OCT成像技术第11-15页
    1.3 国内外研究现状第15-17页
    1.4 本文的主要研究内容及章节安排第17-19页
第2章 OCT图像数据预处理和分割算法基本流程第19-26页
    2.1 数据来源第19页
    2.2 图像预处理和数据扩增第19-20页
    2.3 图像分割算法概述第20-24页
        2.3.1 本文分割方法概览第23-24页
    2.4 实验使用的评价指标第24-25页
    2.5 实验环境第25页
    2.6 本章小结第25-26页
第3章 基于编码器-解码器结构的易损斑块分割算法第26-43页
    3.1 引言第26页
    3.2 算法设计第26-37页
        3.2.1 编码器设计第26-31页
        3.2.2 解码器设计第31-37页
    3.3 改进的损失函数第37-39页
    3.4 实验结果第39-42页
    3.5 本章小结第42-43页
第4章 基于U-NET的易损斑块分割算法第43-54页
    4.1 引言第43-44页
    4.2 算法设计第44-49页
        4.2.1 加入预训练编码器第44-45页
        4.2.2 深度残差U-Net第45-47页
        4.2.3 RecurrentU-Net第47-49页
        4.2.4 ResidualRecurrentU-Net第49页
    4.3 实验结果第49-52页
    4.4 本章小结第52-54页
结论第54-56页
参考文献第56-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:基于速度前瞻的NURBS曲线插补算法的研究设计
下一篇:基于深度强化学习的无人驾驶智能决策控制研究