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
西北师范大学;