基于深度学习和形变模型的乳腺癌全扫描切片图像语义分割

目录

声明

1 绪论

1.1 研究背景

1.2 国内外研究概况

1.3 研究内容与创新点

1.4 本文组织和结构

2 医学图像分割概述

2.1 图像语义分割的定义

2.2 传统图像分割算法

2.2.1 基于阈值的图像分割方法

2.2.2 基于边缘的图像分割方法

2.2.3 基于区域的图像分割方法

2.2.4 基于特定理论的图像分割方法

2.3 基于深度学习的图像语义分割算法

2.3.1 深度学习概述

2.3.2 卷积神经网络的发展

2.3.3 卷积神经网络基本结构

2.3.4 基于深度卷积神经网络的图像语义分割

2.4 本章小结

3 基于多尺度空洞卷积的语义分割网络

3.1 概述

3.2 多尺度空洞卷积神经网络结构设计

3.2.1 迁移学习

3.2.2 多尺度空洞卷积

3.2.3 反卷积

3.2.4 两阶段训练

3.3 算法实现

3.3.1 实验环境

3.3.2 实验数据

3.3.3 实验步骤

3.4 实验结果及性能测试

3.5 本章小结

4 基于形变模型的轮廓优化算法

4.1 问题描述

4.2 形变模型

4.3 实验结果及性能测试

4.4 本章小结

5 总结和展望

5.1 全文总结

5.2 未来展望

致谢

参考文献