基于全卷积神经网络的脑组织提取算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 基于区域的提取方法 | 第11页 |
| 1.2.2 基于边界的提取方法 | 第11-12页 |
| 1.2.3 基于区域和边界混合的提取方法 | 第12页 |
| 1.2.4 基于图谱的提取方法 | 第12-13页 |
| 1.2.5 基于学习的提取方法 | 第13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 卷积神经网络 | 第15-27页 |
| 2.1 卷积神经网络 | 第15-22页 |
| 2.1.1 CNN网络的结构和原理 | 第16-21页 |
| 2.1.2 CNN网络的特点 | 第21-22页 |
| 2.2 全卷积神经网络 | 第22-26页 |
| 2.2.1 FCN网络的结构 | 第22-24页 |
| 2.2.2 FCN网络的特点 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于全卷积神经网络的脑组织提取方法及实现 | 第27-37页 |
| 3.1 直接使用SegNet网络的提取方法与实现 | 第27-31页 |
| 3.1.1 SegNet网络架构概述 | 第27-29页 |
| 3.1.2 模型训练和提取方法实现 | 第29-31页 |
| 3.2 加入边界先验知识的提取方法与实现 | 第31-32页 |
| 3.3 边界像素点再分类的提取方法与实现 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 脑组织提取实验结果及评估 | 第37-47页 |
| 4.1 实验环境介绍 | 第37页 |
| 4.2 实验数据及预处理 | 第37-38页 |
| 4.3 实验评价指标 | 第38页 |
| 4.4 实验结果分析 | 第38-46页 |
| 4.4.1 定性分析实验结果 | 第42-44页 |
| 4.4.2 定量分析实验结果 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 作者简介 | 第55页 |
