1 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.3本文的主要贡献
1.4论文组织结构
2 相关研究基础
2.1基于区域的肝脏CT图像分割方法
2.1.1 基于阈值的肝脏CT图像分割方法
2.1.2 基于区域生长的肝脏CT图像分割方法
2.1.3 基于分裂与合并的肝脏CT图像分割方法
2.2基于边缘的肝脏CT图像分割方法
2.3基于特定理论的肝脏CT图像分割方法
2.4.1 卷积神经网络的基本原理
2.4.2 迁移学习
2.4.3 全卷积神经网络
2.5本章小节
3 基于特征融合的肝脏CT图像分割模型
3.1引言
3.2相关网络及模型
3.2.1 VGGNet网络
3.2.2 残差学习
3.2.3 DeepLab模型
3.3.1 RV-DeepLab模型的基本思想
3.3.2 RV-DeepLab模型的结构设计
3.4.1 实验环境
3.4.2 实验数据集
3.4.3 评价指标
3.4.4 实验过程
3.4.5 实验结果分析
3.5本章小节
4 缩小语义分割范围的肝脏CT图像分割模型
4.1引言
4.2相关区域检测算法
4.2.1 R-CNN算法
4.2.2 Fast R-CNN算法
4.2.3 Faster R-CNN算法
4.3.1 DSL模型的基本思想
4.3.2 DSL模型的结构设计
4.4实验及结果分析
4.4.1 实验环境及评价指标
4.4.2 实验过程
4.4.3 实验结果分析
4.4.4 实验对比
4.5本章小节
5 总结与展望
5.1总结
5.2未来工作展望
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间参加的比赛项目
C.学位论文数据集
致谢
重庆大学;