基于深度学习的医疗图像处理算法研究

目录

第一章 绪论

1.1 研究背景及意义

1.2 研究现状

1.2.1深度学习研究现状

1.2.2医疗胎儿超声图像研究现状

1.2.3国内外研究现状

1.3 研究内容与结构安排

第二章 基于全卷积神经网络的分割算法

2.1 卷积神经网络概述

2.2 全卷积神经网络

2.2.1分割模型概述

2.2.2 U-net模型架构

2.3 基于空洞卷积的U-net架构

2.4 数据构成及预处理

2.5 模型训练与测试

2.6 小结

第三章 基于不均衡数据集的超声切面分类算法

3.1 图像分类模型

3.2 迁移学习

3.3 数据不均衡问题

3.4.1医疗数据集不均衡现状

3.4.2 非对称损失函数

3.4 数据构成及预处理

3.4.1 数据清洗

3.4.2 数据构成

3.5.3 训练集与测试集

3.5 模型参数调优

3.6 小结

第四章 基于分类模型的特征可视化方法

4.1 分类模型可解释性概述

4.2 类激活映射

4.3 基于梯度的类激活映射

4.4 热力图及伪彩映射

4.5 小结

第五章 实验结果比较与分析

5.1 实验环境

(1) 硬件环境

(2) 软件环境

(3)数据来源

5.2 超声图像分割结果及分析

5.2.1定量分析

5.2.2定性分析

5.3 切面分类结果及分析

5.3.1 Batch size

5.3.2 损失函数

5.3.2 最优模型性能评估

5.4 特征可视化结果分析及意义

5.1 小结

总结与展望

本文工作总结

展望与改进

参考文献

攻读学位期间发表的论文

声明

致谢