摘要
1．1研究背景及意义
1．2本文主要研究内容及章节安排
第二章医学超声图像分割的常用方法
2．1基于阈值的分割方法
2．2基于聚类的分割方法
2．3基于分水岭的分割方法
2．4基于图的分割方法
2．5基于主动轮廓模型的分割方法
2．6基于马尔科夫随机场的分割方法
2．7基于神经网络的分割方法
2．8本章小结
第三章基于超像素和邻域块特征结合的连续图割方法
3．1 引言
3．2数据采集及处理
3．3本章研究方法
3．3．1 图割模型的图构建
3．3．2超像素和邻域块特征提取
3．3．3新的相似性度量的定义
3．3．4交互式标记的设置
3．3．5连续图割模型的求解
3．4 NURBS曲线拟合后处理
3．5分割评估指标
3．6实验结果与分析
3．7本章小结
第四章基于VGG16-UNet的深度学习方法
4．1 引言
4．2深度学习分割网络的基本构成
4．2．1卷积层
4．2．2激活层
4．2．3批量归一化层
4．2．4池化层
4．2．5反卷积层
4．3本章研究方法
4．3．1 U-Net模型结构
4．3．2 VGG16模型结构
4．3．3 VGG16-UNet模型结构
4．4十折交叉验证及数据在线扩增
4．5实验结果与分析
4．6本章小结
第五章总结与展望
5．1工作总结
5．2研究展望
参考文献
攻读学位期间成果
致谢
声明
