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
重庆大学;