基于卷积神经网络的医学图像分割算法研究

目录

论文说明

声明

摘要

第一章绪论

1．1医学图像处理的研究意义和背景

1．2医学图像分割的国内外研究现状

1．3医学图像的特点

1．4医学图像分割的发展前景

1．5主要研究内容

第二章医学图像分割理论知识

2．1医学图像格式和预处理

2．2卷积神经网络(CNN)

2．2．1输入层

2．2．2卷积层

2．2．3激活函数

2．2．4池化层

2．2．5全连接层

2．2．6损失函数

2．4全卷积神经网络(FCN)

3．1引言

3．2肝脏分割算法构建

3．2．1Unet网络

3．2．2批量归一化(BN)

3．2．3 Dice损失函数

3．3实验

3．3．2实验平台

3．3．3实验参数设置

3．3．4交并比

3．4实验结果分析

3．5总结

第四章基于改进Unet的视网膜血管图像分割

4．1引言

4．2视网膜血管分割算法的构建

4．2．1Attention Gate(AG)

4．2．2损失函数

4．3网络结构与模型

4．3．1残差网络(Resnet)

4．3．2网络结构

4．4实验结果与分析

4．4．1数据采集

4．4．2实验结果分析

4．4．3算法改进对比

4．5结论

第五章基于改进Unet的脑部肿瘤MRI图像分割

5．1引言

5．2网络结构及算法原理

5．2．1密集跳跃连接(DenseNet)

5．2．2改进的残差模块

5．2．3标准化层FRN

5．2．4混合损失函数

5．2．5网络结构

5．3实验内容与结果分析

5．3．1实验数据集

5．3．2实验评价指标

5．3．3实验结果分析

5．4结论

6．1总结

6．2展望

参考文献

攻读硕士期间研究成果

致谢