基于深度学习的肝脏CT影像分割方法的研究与应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10页 |
| 1.2 医学图像分割方法 | 第10-14页 |
| 1.2.1 基于灰度的方法 | 第11-13页 |
| 1.2.2 基于结构的方法 | 第13-14页 |
| 1.2.3 基于纹理的方法 | 第14页 |
| 1.3 本文结构 | 第14-16页 |
| 第2章 深度学习技术 | 第16-29页 |
| 2.1 人工神经网络 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-24页 |
| 2.2.1 卷积运算 | 第20-21页 |
| 2.2.2 稀疏交互与参数共享 | 第21-23页 |
| 2.2.3 池化 | 第23-24页 |
| 2.3 全卷积神经网络 | 第24-29页 |
| 2.3.1 全卷积神经网络的原理 | 第25-26页 |
| 2.3.2 全连接层卷积化 | 第26-27页 |
| 2.3.3 反卷积 | 第27-29页 |
| 第3章 基于全卷积神经网络的肝脏分割 | 第29-40页 |
| 3.1 基于AlexNet的FCN的构建 | 第29-32页 |
| 3.2 激活函数 | 第32-35页 |
| 3.2.1 Sigmoid函数 | 第33-34页 |
| 3.2.2 Tanh函数 | 第34-35页 |
| 3.2.3 修正线性函数(ReLU) | 第35页 |
| 3.3 Dropout | 第35-37页 |
| 3.4 实验结果与评价 | 第37-40页 |
| 第4章 总结与展望 | 第40-42页 |
| 4.1 本文工作总结 | 第40-41页 |
| 4.2 未来的工作与展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 作者及科研成果简介 | 第46-47页 |
| 致谢 | 第47页 |
