| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究目的与意义 | 第11页 |
| 1.4 研究计划与安排 | 第11-13页 |
| 第二章 脑部肿瘤MRI分割方法 | 第13-21页 |
| 2.1 脑部肿瘤 | 第13页 |
| 2.2 MRI在肿瘤的诊断中的应用 | 第13-14页 |
| 2.3 常见的图像分割技术 | 第14-21页 |
| 2.3.1 FCN模型 | 第14-17页 |
| 2.3.2 DCNN模型 | 第17-21页 |
| 第三章 基于特征融合的脑部肿瘤MRI分割 | 第21-45页 |
| 3.1 算法简述 | 第21-22页 |
| 3.2 预处理过程 | 第22-26页 |
| 3.2.1 拉普拉斯滤波 | 第22-23页 |
| 3.2.2 高斯滤波 | 第23-24页 |
| 3.2.3 Gabor滤波 | 第24-26页 |
| 3.3 卷积神经网络(CNN) | 第26-30页 |
| 3.3.1 卷积神经网络介绍 | 第26-29页 |
| 3.3.2 初始化参数 | 第29页 |
| 3.3.3 融合运算 | 第29-30页 |
| 3.4 高斯混合模型的后处理 | 第30-32页 |
| 3.5 分割技术的实现 | 第32-34页 |
| 3.5.1 实验选用的数据库 | 第32-34页 |
| 3.5.2 实验环境与平台 | 第34页 |
| 3.6 测试结果 | 第34-38页 |
| 3.7 实验结果及分析 | 第38-45页 |
| 3.7.1 实验性能评价及对比 | 第38-43页 |
| 3.7.2 分割方法总结 | 第43-45页 |
| 第四章 基于特征融合与深度卷积神经网络的脑部肿瘤MRI分割 | 第45-57页 |
| 4.1 算法简述 | 第45-46页 |
| 4.2 深度卷积神经网络(DCNN) | 第46-51页 |
| 4.2.1 深度卷积神经网络结构 | 第46页 |
| 4.2.2 级联结构 | 第46-48页 |
| 4.2.3 残差连接 | 第48页 |
| 4.2.4 空洞空间金字塔池化结构(ASPP) | 第48-50页 |
| 4.2.5 条件随机场(CRF) | 第50-51页 |
| 4.3 分割技术的实现 | 第51-53页 |
| 4.3.1 卷积神经网络的实现 | 第51-52页 |
| 4.3.2 优化过程 | 第52-53页 |
| 4.3.3 其他细节 | 第53页 |
| 4.4 分割结果与分析 | 第53-57页 |
| 4.4.1 分割结果 | 第53-56页 |
| 4.4.2 分割方法总结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本次研究工作总结 | 第57-58页 |
| 5.2 对未来科研工作的展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |