声明
摘要
第1章绪论
1.1课题研究的目的和意义
1.2国内外研究进展及现状
1.3本文的研究内容与创新点
1.3.1本文研究内容
1.3.2本文创新点
1.4本文章节安排
第2章相关技术
2.1卷积神经网络
2.2对抗学习
2.3注意力机制
2.4小样本学习
第3章置信度指导的拓扑保持的视网膜层分割方法
3.1分割方法概述
3.2分割网络
3.3聚焦列模块
3.4置信网络
3.5置信度指导的训练
3.5.1分割网络的损失
3.5.2置信网络的损失
3.6融合模块
3.7实验结果及分析
3.7.1数据集
3.7.2实现细节
3.7.3比较方法和评估指标
3.7.4DB数据集上分割结果
3.7.5消融实验
3.7.6损失函数加权系数的影响
3.7.7Duke数据集结果
3.7.8Aier-CSR数据集结果
3.8本章小结
第4章基于小样本学习的多类病变层分割方法
4.1引言
4.2分割框架概述
4.2.1问题介绍
4.2.2总体流程
4.3网络结构设计
4.3.1调节臂与分割臂
4.3.2基于余弦相似度的特征自适应
4.3.3特征融合模块
4.3.4基于类激活图的显著区域指导
4.4训练策略
4.5实验结果与分析
4.5.1数据集
4.5.2比较方法及评估指标
4.5.3分割结果
4.5.4消融实验
4.6本章小结
第5章结论与展望
5.1总结
5.2展望
致谢
参考文献
附录
武汉科技大学;