基于深度卷积生成对抗网络的视盘视杯分割方法研究

目录

第1章 绪论

1.1研究背景和意义

1.2 国内外研究现状分析

1.3本文研究内容

1.4论文结构安排

第2章 相关理论

2.1生成对抗网络

2.2.1 深度卷积神经网络

2.2.2 扩充卷积

2.2.3 残差模块

2.3视盘视杯分割评价指标

2.4本章小结

第3章基于深度卷积生成对抗网络的视盘视杯分割

3.1 GL-Net模型结构

3.1.1 生成器网络结构

3.1.2 判别器网络结构

3.1.3 迁移学习

3.1.4 对抗训练过程

3.2实验分析

3.2.1 训练参数设置与数据集

3.2.2 实验结果分析

3.2.3 不同算法分割结果的定量分析与讨论

3.3本章小结

第4章 基于级联扩充卷积与密集采样的视盘视杯分割

4.1 DR-Net模型结构

4.1.1 级联扩充卷积

4.1.2 尺度重构层

4.1.3 生成器网络结构

4.2实验分析

4.2.1 下采样因子

4.2.2 不同扩充率的级联扩充卷积

4.2.3 上采样方式

4.2.4 不同算法分割结果的定量分析

4.3本章小结

结论

总结

展望

参考文献

致谢

个人简历、在学期间发表的学术论文及研究成果