| 摘要 | 第3-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景及意义 | 第14-24页 |
| 1.1.1 冠心病 | 第14-15页 |
| 1.1.2 心血管内超声 | 第15-17页 |
| 1.1.3 内膜和中-外膜边界检测 | 第17-24页 |
| 1.2 研究内容及章节安排 | 第24-26页 |
| 第二章 深度卷积网络 | 第26-34页 |
| 2.1 深度学习与医学图像分析 | 第26-27页 |
| 2.2 深度全卷积网络 | 第27-30页 |
| 2.3 生成式对抗网络 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于深度全卷积网络的IVUS图像内膜和中-外膜边界检测 | 第34-51页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基本原理 | 第35-37页 |
| 3.2.1 深度全卷积网络结构与IVUS图像的语义分割 | 第35-37页 |
| 3.2.2 结合心血管先验形状信息的内膜和中-外膜的边界优化 | 第37页 |
| 3.3 实验方法与内容 | 第37-49页 |
| 3.3.1 实验材料与参数设置 | 第37-38页 |
| 3.3.2 评价指标 | 第38-39页 |
| 3.3.3 实验结果与分析 | 第39-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于有条件生成对抗网络的IVUS图像内膜和中-外膜边界检测 | 第51-65页 |
| 4.1 引言 | 第51页 |
| 4.2 基本原理 | 第51-57页 |
| 4.2.1 IVUS图像数据增强 | 第51-52页 |
| 4.2.2 IVUS图像分割区域定义 | 第52页 |
| 4.2.3 C-ivusGAN网络框架 | 第52-54页 |
| 4.2.4 C-ivusGAN的生成器 | 第54-56页 |
| 4.2.5 C-ivusGAN的判别器 | 第56页 |
| 4.2.6 C-ivusGAN的训练 | 第56-57页 |
| 4.3 实验方法与内容 | 第57-63页 |
| 4.3.1 实验材料与参数设置 | 第57页 |
| 4.3.2 评价指标 | 第57页 |
| 4.3.3 实验结果与分析 | 第57-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 工作总结与展望 | 第65-67页 |
| 5.1 论文总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-78页 |
| 攻读硕士学位期间成果 | 第78-80页 |
| 致谢 | 第80-81页 |
