声明
摘要
第1章绪论
1．1脑图谱重建的背景和意义
1．2脑图谱重建流程和技术挑战分析
1．2．1脑图谱重建流程
1．2．2脑图谱重建技术挑战分析
1．3本文研究内容与组织结构
1．3．1研究内容
1．3．2组织结构
1．4本章小节
第2章图像分割算法与交互式分割框架研究综述
2．1图像分割问题
2．2经典分割算法
2．2．1基于阈值的分割算法
2．2．2基于区域生长的分割算法
2．2．3基于边界检测的分割算法
2．2．4基于活动轮廓的分割算法
2．2．5基于图模型的分割算法
2．3基于深度学习的分割算法
2．3．1边界检测网络
2．3．2端到端分割网络
2．3．3深度学习与经典分割算法的融合模型
2．4图像分割过程中的人机交互方法
2．4．1交互模型
2．4．2交互方法
2．5交互式分割框架
2．5．1交互式分割框架概述
2．5．2面向大规模脑图谱重建的3D电镜神经图像交互式分割框架
2．6本章小结
第3章层次化交互式分割框架
3．1层次化交互式分割框架
3．1．1层次化分割的定义
3．1．2基于树形结构的层次化交互式分割框架
3．2超体素分割算法
3．2．1超体素分割算法
3．2．2实验
3．3多尺度分水岭算法
3．3．1二分割模型
3．3．2分水岭算法
3．3．3多尺度分水岭算法
3．4分割数据编码方法
3．4．1分割数据编码问题
3．4．2基于哈希索引和游程压缩的编码方法
3．4．3实验
3．5本章小结
第4章基于主动学习策略的深度交互式分割网络
4．1基于主动学习策略的深度交互式分割网络的背景和意义
4．2深度交互式分割网络
4．2．1网络结构
4．2．2训练数据
4．2．3损失函数
4．3基于信息熵的主动学习策略
4．3．1主动学习策略
4．3．2基于信息熵的查询函数
4．4任意大小分割目标的生长
4．4．1动态Fov
4．4．2概率重写
4．5实验
4．5．1实验数据
4．5．2模型训练
4．5．3分割实验
4．6本章小结
第5章面向大规模分割任务的高拓展性计算服务模型
5．1高拓展性计算服务模型的设计背景与特点
5．2计算服务模型
5．2．1模型结构与数据流
5．2．2任务实体
5．2．3任务状态机
5．2．4基于RESTful APIs的调用接口
5．3深度交互式分割网络计算服务实例
5．4本章小结
第6章总结与展望
6．1本文工作总结
6．2未来工作展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
浙江大学;
