基于深度多任务网络的左心室图像量化方法研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 人工方法

1.2.2 传统方法

1.2.3 深度学习方法

1.3 主要研究内容及创新点

1.4 论文组织结构

第二章 相关理论与基础

2.1 心脏磁共振图像简介

2.2 深度神经网络

2.2.1 深度信念网络

2.2.2 卷积神经网络

2.2.3 循环神经网络

2.3 本章小结

第三章 基于深度多任务网络的左心室MR图像直接量化算法

3.1 引言

3.2 数据集

3.2.1 数据集来源

3.2.2 数据集处理

3.3 问题形式化描述

3.4 神经网络模型设计

3.4.1 图像分割模型设计

3.4.2 借助分割的直接量化模型设计

3.5 实验配置

3.6 评价指标

（1）Dice度量（ DM）

（2）平均绝对误差（ Mean absolute error，简称 ，简称 MAE）

3.7 本章小结

第四章 实验结果展示与分析

4.1 图像分割网络性能展示

4.2 指标预测网络性能展示

4.3 与最新研究方法的性能比较

4.4 消融实验

4.5 超参数优化

4.5.1 分割网络的超参数优化

4.5.2 指标预测网络的超参数优化

4.6 中间特征可视化

4.7 总结与讨论

4.8 本章小结

结论

参考文献

攻读硕士学位期间取得的学术成果

致谢