声明
1.1 研究背景及意义
1.2 研究现状
1.2.1 人工分割
1.2.2 半自动分割
1.2.3 自动分割
1.3 医学图像分割方法
1.3.1 基于区域的分割方法
1.3.2 基于边缘的分割方法
1.3.3 基于数学形态学的分割方法
1.3.4 基于模糊聚类的分割方法
1.3.5 基于神经网络的分割方法
1.4 本文研究内容与结构
第二章 卷积神经网络
2.1 卷积层
2.2 激活函数
2.3 池化层
2.4 全连接层
2.5 常用模型
2.5.1 LeNet
2.5.2 AlexNet
2.5.3 VGGNet
2.6 本章小结
第三章 基于卷积神经网络的脑瘤图像分割
3.1 预处理
3.2 脑瘤分割框架
3.2.1 DMSCNN
3.2.2 DSMCNN
3.2.3 DMSACNN
3.2.4 DSMACNN
3.3 后处理
3.4 训练
3.4.1 向前传播阶段
3.4.2 向后传播阶段
3.5 本章小结
第四章 脑肿瘤图像分割实验及分析
4.1 实验设置
4.2 四种分割框架对比
4.3 并行网络
4.4 具有短连接的级联网络
4.5 多尺度分析
4.6 与其他方法进行比较
4.7 本章小结
第五章 总结与展望
参考文献
攻读硕士学位期间发表的论文
致谢