光学相干断层扫描图像中视网膜层分割研究

目录

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