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