| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第13-28页 |
| 1.1 研究背景 | 第13-18页 |
| 1.2 研究的目的和意义 | 第18-19页 |
| 1.3 研究现状 | 第19-24页 |
| 1.3.1 视网膜OCT图像分层 | 第19-23页 |
| 1.3.2 视网膜厚度与病变容积的度量 | 第23-24页 |
| 1.4 课题来源及主要研究内容 | 第24-28页 |
| 1.4.1 课题来源 | 第24-25页 |
| 1.4.2 主要研究内容 | 第25-26页 |
| 1.4.3 本文结构与章节安排 | 第26-28页 |
| 第2章 基于图优化方法的视网膜OCT图像分层 | 第28-44页 |
| 2.1 引言 | 第28页 |
| 2.2 基于图优化的视网膜分层建模 | 第28-29页 |
| 2.3 基于图优化的视网膜分层方法 | 第29-35页 |
| 2.3.1 构造完全加权图 | 第30页 |
| 2.3.2 高对比度边界检测 | 第30-32页 |
| 2.3.3 边界ELM下中低对比度边界检测 | 第32-33页 |
| 2.3.4 边界ELM上中低对比度边界检测 | 第33-35页 |
| 2.4 实验与结果 | 第35-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于图的SLIC超像素和流形排序的视网膜OCT图像分层 | 第44-69页 |
| 3.1 引言 | 第44页 |
| 3.2 基于图的SLIC超像素和流形排序的视网膜分层建模 | 第44-48页 |
| 3.2.1 SLIC超像素和流形排序 | 第45-47页 |
| 3.2.2 加权图构造 | 第47-48页 |
| 3.3 基于图的SLIC超像素和流形学排序的视网膜分层方法 | 第48-57页 |
| 3.3.1 边界ILM和IS/CL检测 | 第48-50页 |
| 3.3.2 ELM和IS/CL下面边界检测 | 第50-52页 |
| 3.3.3 ILM和ELM之间边界检测 | 第52-57页 |
| 3.4 实验和结果 | 第57-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第4章 基于超像素边的CSR病变OCT图像分层 | 第69-89页 |
| 4.1 引言 | 第69页 |
| 4.2 基于超像素边的视网膜分层建模 | 第69-72页 |
| 4.2.1 超像素边 | 第70-71页 |
| 4.2.2 加权图构造和关联矩阵 | 第71-72页 |
| 4.3 基于超像素边的视网膜分层方法 | 第72-78页 |
| 4.3.1 两条显著性边界检测 | 第72-74页 |
| 4.3.2 其它弱边界检测 | 第74-78页 |
| 4.4 实验和结果 | 第78-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第5章 基于粗粒度扩散映射的OCT图像CSR病变检测及层的厚度度量 | 第89-120页 |
| 5.1 引言 | 第89-90页 |
| 5.2 视网膜CSR病变检测理论知识 | 第90-96页 |
| 5.2.1 扩散映射与粗粒度 | 第90-95页 |
| 5.2.2 视网膜图像分层方法 | 第95-96页 |
| 5.3 CSR病变检测与视网膜层厚度度量 | 第96-101页 |
| 5.3.1 基于粗粒度扩散映射的CSR病变检测 | 第96-100页 |
| 5.3.2 视网膜层厚度度量 | 第100-101页 |
| 5.4 视网膜图像度量实验和结果 | 第101-118页 |
| 5.4.1 3D-OCT数据集介绍 | 第101页 |
| 5.4.2 评价指标 | 第101-102页 |
| 5.4.3 实验主要结果 | 第102-118页 |
| 5.5 本章小结 | 第118-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-133页 |
| 攻读博士学位期间发表的论文及其它成果 | 第133-135页 |
| 致谢 | 第135-136页 |
| 个人简历 | 第136页 |
