基于曲线演化的脑出血CT图像分割算法研究

目录

1 绪 论

1.1 课题的背景及研究意义

1.2 国内外研究现状

1.2.1 脑出血CT图像分割研究现状

1.2.2 深度学习在脑出血CT图像上的研究现状

1.2.3 水平集方法的研究现状

1.3 本文的内容安排

2 相关工作

2.1脑出血CT图像的预处理

2.1.1脑出血CT图像的标准格式与转换

2.1.2脑出血CT图像的特征与分割难点分析

2.1.3脑出血CT图像的去噪

2.1.4脑出血CT图像的颅内部分提取

2.2 水平集方法基本理论

2.2.1 曲线演化问题

2.2.2 水平集方法的分割理论

2.2.3 水平集函数的初始化

2.2.4 偏微分方程的数值计算

2.3 本章小结

3 基于Faster R-CNN的疑似血肿区域检测

3.1 引言

3.2 基于Faster R-CNN的目标检测

3.2.1 R-CNN与Faster R-CNN的基本原理

3.2.2 Faster R-CNN的基本原理

3.3.1 脑出血CT图像的扩充

3.3.2 脑出血CT图像的标注

3.4.1 网络训练与调参

3.4.2 疑似血肿区域检测的结果

3.4.3 疑似血肿区域检测后的ROI提取

3.5 本章小结

4 基于LPSPF水平集方法的血肿形态分割

4.1 引言

4.2.1 CV模型

4.2.2 L2S模型

4.2.3 SBGFRLS模型

4.3.1 模型的建立

4.3.2 数值算法

4.3.3 实验结果

4.3.4 参数讨论

4.4.1 模型的建立

4.4.2 数值计算

4.4.3 实验结果

4.4.4 参数讨论

4.5 血肿形态分割结果的整合

4.6本章小结

5 总结与展望

参考文献

附录

A. 作者在攻读学位期间发表的学术论文

B. 作者在攻读学位期间申请的发明专利

C. 作者在攻读学位期间参与的科研项目

D. 作者在攻读学位期间发表的学术论文

致谢