| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-14页 |
| 1.2.1 脑肿瘤分割研究 | 第10-12页 |
| 1.2.2 基于多模态MRI图像的脑肿瘤分割研究 | 第12-14页 |
| 1.3 本文研究内容和组织结构 | 第14-16页 |
| 第二章 主动轮廓模型与神经网络概述 | 第16-28页 |
| 2.1 从主动轮廓模型到基于SOM的主动轮廓模型 | 第16-21页 |
| 2.1.1 主动轮廓模型方法概述 | 第16-18页 |
| 2.1.2 基于SOM的主动轮廓模型 | 第18-21页 |
| 2.2 卷积神经网络及其在图像和脑肿瘤MRI图像分割中的应用 | 第21-27页 |
| 2.2.1 卷积神经网络（CNN） | 第21-24页 |
| 2.2.2 卷积神经网络在图像及MRI脑肿瘤图像分割中的应用 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于混合自组织映射主动轮廓模型与多模态MRI图像的脑肿瘤分割 | 第28-46页 |
| 3.1 多模态与MRI图像预处理 | 第28-29页 |
| 3.2 自组织映射主动轮廓模型与混合分割策略 | 第29-37页 |
| 3.2.1 水平集方法 | 第30-32页 |
| 3.2.2 自组织主动轮廓模型 | 第32-36页 |
| 3.2.3 基于自组织主动轮廓模型的混合分割策略 | 第36-37页 |
| 3.3 基于混合自组织映射主动轮廓模型的脑肿瘤图像分割 | 第37-39页 |
| 3.3.1 多模态MRI图像的差分运算 | 第37-38页 |
| 3.3.2 利用多模态MRI图像的脑肿瘤分割方法 | 第38-39页 |
| 3.4 实验结果和分析 | 第39-44页 |
| 3.4.1 分割评判准则 | 第39-40页 |
| 3.4.2 对比结果和分析 | 第40-44页 |
| 3.5 本章小节 | 第44-46页 |
| 第四章 基于深度反卷积神经网络与多模态MRI图像的脑肿瘤分割方法 | 第46-68页 |
| 4.1 神经网络的反卷积模型 | 第46-48页 |
| 4.2 深度反卷积神经网络的构建 | 第48-53页 |
| 4.2.1 深度反卷积网络模型 | 第48-50页 |
| 4.2.2 深度网络模型中的全卷积网络 | 第50-51页 |
| 4.2.3 深度网络模型中的反卷积网络 | 第51-53页 |
| 4.3 基于深度反卷积神经网络的脑肿瘤图像分割 | 第53-57页 |
| 4.3.1 基于多模态MRI图像的脑肿瘤分割描述 | 第53-55页 |
| 4.3.2 优化训练与参数设置 | 第55-57页 |
| 4.4 实验结果和分析 | 第57-66页 |
| 4.4.1 预训练与训练结果分析 | 第57-61页 |
| 4.4.2 实验结果与数据分析 | 第61-66页 |
| 4.5 本章小节 | 第66-68页 |
| 第五章 总结和展望 | 第68-70页 |
| 5.1 论文总结 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |
