| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景及意义 | 第10-15页 |
| 1.2.1 心室分割背景及意义 | 第10-13页 |
| 1.2.2 心室瘢痕分割背景及意义 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-17页 |
| 1.3.1 心室分割研究现状 | 第15页 |
| 1.3.2 心室瘢痕分割研究现状 | 第15-16页 |
| 1.3.3 深度学习分割方法研究现状 | 第16-17页 |
| 1.4 实验数据简介 | 第17-18页 |
| 1.4.1 Sunnybrook数据集 | 第17-18页 |
| 1.4.2 LGE-MRI数据集 | 第18页 |
| 1.5 本文主要研究内容及章节安排 | 第18-19页 |
| 1.6 课题来源 | 第19-20页 |
| 第2章 基于FCN的心室分割方法 | 第20-37页 |
| 2.1 引言 | 第20页 |
| 2.2 数据预处理 | 第20-21页 |
| 2.3 基础FCN网络 | 第21-26页 |
| 2.3.1 FCN结构介绍 | 第21-24页 |
| 2.3.2 FCN网络结构及训练策略 | 第24-26页 |
| 2.3.3 分割结果 | 第26页 |
| 2.4 结合CONVLSTM的FCN网络 | 第26-30页 |
| 2.4.1 ConvLSTM结构介绍 | 第26-29页 |
| 2.4.2 改进FCN网络及训练策略 | 第29-30页 |
| 2.4.3 分割结果 | 第30页 |
| 2.5 基于密集连接条件随机场的后处理 | 第30-34页 |
| 2.5.1 条件随机场 | 第31-32页 |
| 2.5.2 密集连接条件随机场 | 第32-34页 |
| 2.6 实验结果与分析 | 第34-36页 |
| 2.6.1 评价指标 | 第34页 |
| 2.6.2 实验结果与分析 | 第34-36页 |
| 2.7 本章小结 | 第36-37页 |
| 第3章 基于U-NET的心室瘢痕分割方法 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 数据预处理 | 第37-38页 |
| 3.3 基础U-NET网络 | 第38-39页 |
| 3.3.1 U-Net介绍 | 第38-39页 |
| 3.3.2 U-Net网络结构 | 第39页 |
| 3.4 结合密集连接块的U-NET网络 | 第39-43页 |
| 3.4.1 密集连接块介绍 | 第40-41页 |
| 3.4.2 DenseU-Net网络结构 | 第41-43页 |
| 3.5 结合DENSECRF的DENSEU-NET网络 | 第43-45页 |
| 3.5.1 CrfAsRnn介绍 | 第43-44页 |
| 3.5.2 改进的网络结构 | 第44-45页 |
| 3.6 实验结果与分析 | 第45-48页 |
| 3.6.1 评价指标 | 第45页 |
| 3.6.2 实验结果与分析 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 分割系统设计与实现 | 第49-60页 |
| 4.1 引言 | 第49页 |
| 4.2 系统需求分析 | 第49-51页 |
| 4.3 系统功能设计 | 第51-52页 |
| 4.4 系统体系结构设计 | 第52-53页 |
| 4.5 系统实现与测试 | 第53-58页 |
| 4.5.1 系统开发环境 | 第53-54页 |
| 4.5.2 数据管理模块 | 第54-55页 |
| 4.5.3 数据预处理模块 | 第55-56页 |
| 4.5.4 图像分割模块 | 第56-57页 |
| 4.5.5 可视化模块 | 第57页 |
| 4.5.6 性能评价模块 | 第57-58页 |
| 4.6 本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68页 |