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

基于卷积神经网络的前列腺MR图像语义分割方法研究

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第9-17页
    1.1 课题研究背景及意义第9-12页
    1.2 国内外研究现状第12-15页
    1.3 论文研究内容与组织结构第15-17页
第二章 语义分割介绍第17-25页
    2.1 语义分割网络第17-23页
        2.1.1 全卷积神经网络第17-18页
        2.1.2 DeconvNet第18-20页
        2.1.3 U-Net第20-21页
        2.1.4 DenseNet第21页
        2.1.5 DeepLab第21-23页
    2.2 语义分割与实例分割的区别第23-24页
    2.3 本章小结第24-25页
第三章 数据集处理第25-33页
    3.1 MRI数据集第25-26页
    3.2 数据集优化第26页
    3.3 数据集增强第26-30页
        3.3.1 增加高斯噪声扰动第27页
        3.3.2 拉普拉斯锐化第27-29页
        3.3.3 直方图均衡化第29-30页
        3.3.4 基于均值滤波的图像增强第30页
    3.4 数据增强后的前列腺MR图像数据集第30-31页
    3.5 本章小结第31-33页
第四章 基于卷积神经网络的前列腺MR图像分割方法第33-47页
    4.1 网络模型优化方法第33-34页
    4.2 PSSNet网络结构第34-41页
        4.2.1 编码器-解码器结构第35-36页
        4.2.2 ResNet-101第36-37页
        4.2.3 DDSPP模块第37-40页
        4.2.4 DP模块第40-41页
    4.3 参数调整与模型训练第41-45页
        4.3.1 调整学习率第41-42页
        4.3.2 激活函数第42-44页
        4.3.3 损失函数第44-45页
    4.4 本章小结第45-47页
第五章 实验结果与分析第47-59页
    5.1 评价标准第47-49页
    5.2 数据增强实验结果与分析第49-51页
    5.3 PSSNet实验结果与分析第51-52页
    5.4 网络结构对比分析第52-54页
    5.5 不同分割方法性能对比分析第54-57页
        5.5.1 不同语义分割网络性能对比分析第54-56页
        5.5.2 现有分割方法性能对比分析第56-57页
    5.6 本章小结第57-59页
第六章 总结与展望第59-61页
    6.1 本文工作总结第59页
    6.2 课题后续研究展望第59-61页
参考文献第61-67页
发表论文和参加科研情况第67-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:达芬奇机器人手术系统与传统腹腔镜在晚期卵巢癌手术中应用的对比研究
下一篇:人体胸部电阻抗成像建模方法研究