基于深度学习的锥形束CT图像质量自动评价的关键技术研究

目录

声明

第一章 绪 论

1.1 研究背景与意义

1.2 国内外相关研究现状

1.3 论文的主要工作

1.4 论文的结构安排

第二章 锥形束CT图像质量评价方法

2.1 锥形束CT图像质量的影响因素

2.2 锥形束CT图像质量评价指标

2.2.1 CT值线性

2.2.2 空间分辨力

2.2.3 低对比度分辨力

2.2.4 均匀性与噪声

2.3 CBCT图像质量评价方法

2.4 图像采集方法

2.5 本章小结

第三章 基于U-Net的医学图像分割网络模型研究

3.1 引言

3.2 U-Net模型

3.3 基于U-Net的残差网络

3.3.1 相关工作

3.3.2 深度残差学习

3.3.3 基于U-Net的残差网络

3.4 基于U-Net的循环卷积神经网络

3.4.1 循环神经网络发展简介

3.4.2 循环卷积层

3.4.3 基于U-Net的循环卷积神经网络

3.5 基于U-Net的循环残差卷积神经网络

3.6 本章小结

第四章 实验及结果分析

4.1 实验数据与实验环境

4.1.1 图像数据

4.1.2 标签数据

4.1.3 环境配置

4.2 实验方法

4.3 实验训练方法与评估

4.3.1 训练方法

4.3.2 评估方法

4.4 实验结果分析

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 未来展望

参考文献

致谢

攻读学位期间的研究成果