| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 论文研究内容 | 第9-11页 |
| 1.2.1 论文研究目标 | 第9-10页 |
| 1.2.2 论文研究内容 | 第10页 |
| 1.2.3 创新点 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 深度学习算法与医学图像分割算法 | 第13-22页 |
| 2.1 深度学习算法简介 | 第13-17页 |
| 2.1.1 深度学习算法 | 第14-15页 |
| 2.1.2 卷积神经网络CNN介绍 | 第15页 |
| 2.1.3 全卷积神经网络FCN介绍 | 第15-16页 |
| 2.1.4 深度学习框架Caffe介绍 | 第16-17页 |
| 2.1.5 深度学习算法的应用 | 第17页 |
| 2.2 医学图像分割算法简介 | 第17-20页 |
| 2.2.1 医学图像分割算法总结 | 第18-19页 |
| 2.2.2 医学图像分割技术评估 | 第19-20页 |
| 2.3 深度学习算法在医学图像中的应用 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 第三章 主动脉瘤TJ-1 深度学习分割模型 | 第22-30页 |
| 3.1 主动脉瘤疾病介绍 | 第22-23页 |
| 3.2 CT影像成像原理介绍 | 第23-24页 |
| 3.3 实验方法介绍 | 第24-25页 |
| 3.3.1 TJ-1 模型 | 第24-25页 |
| 3.3.2 实验设计 | 第25页 |
| 3.4 实验数据集 | 第25-26页 |
| 3.4.1 数据集扩充 | 第26页 |
| 3.4.2 制作标准参考图 | 第26页 |
| 3.5 实验对比与分析 | 第26-29页 |
| 3.5.1 实验结果 | 第27-28页 |
| 3.5.2 TJ-1、AlexNet网络分割与分析 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 TJ-1 深度学习分割模型在其它图像中的应用 | 第30-37页 |
| 4.1 眼底病介绍 | 第30-31页 |
| 4.2 光学相干断层扫描（OCT） | 第31-32页 |
| 4.3 脉络膜分割实验介绍 | 第32-34页 |
| 4.3.1 TJ-2 卷积网络模型 | 第33页 |
| 4.3.2 实验设计 | 第33-34页 |
| 4.4 实验与分析 | 第34-36页 |
| 4.4.1 实验结果 | 第34-35页 |
| 4.4.2 实验分析 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 总结和展望 | 第37-38页 |
| 5.1 全文总结 | 第37页 |
| 5.2 未来工作展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 攻读硕士学位期间的主要成果 | 第42-43页 |
| 致谢 | 第43页 |