声明
1 绪论
1.1 课题背景、目的及意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文组织结构
2 基于深度学习的脑胶质瘤分割流程与方法
2.1 脑胶质瘤数据集介绍
2.2 基于深度学习的脑胶质瘤分割算法流程
2.3 基于深度学习的脑胶质瘤分割技术
2.4 分割结果的评估方法
2.5 本章小结
3 基于2DResUnet的脑胶质瘤分割方法
3.1 网络结构
3.1.1 2DResUnet结构
3.1.2 损失函数
3.2 分割算法
3.3 数据预处理方法
(1)偏置修正
(2)图像裁剪
(3) 图像标准化
(4) 随机采样
3.4 数据增强方法
3.5 分割模型的训练
3.6 数据后处理
3.7 新病例预测
3.8 本章小结
4 基于DM-DA-Unet的脑胶质瘤分割方法
4.1 网络结构
4.1.1 2DDenseUnet结构
4.1.2 3D-DA-Unet结构
4.1.3 Attention机制
4.1.4损失函数
4.2 分割算法
4.3 数据预处理方法
4.4 数据增强方法
4.5 分割模型的训练
4.6 数据后处理
4.7 新病例预测
4.8 本章小结
5 实验与结果分析
5.1 实验数据介绍
5.2 实验环境介绍
5.3 实验结果及分析
5.4 2DResUnet与DM-DA-Unet综合对比
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献