声明
第一章 绪论
1.1 背景及研究意义
1.2 国内外研究现状
1.2.1 冠脉OCT图像斑块分割传统方法研究现状
1.2.2 冠脉OCT图像分割深度学习研究现状
1.3 本文研究内容与创新
1.4 本文结构安排
第二章 冠脉OCT图像斑块分割研究基础
2.1.1 OCT成像原理
2.1.2 冠脉OCT影像特点
2.2 冠脉OCT图像传统算法分割基础
2.2.1 K-means聚类
2.2.2 区域生长算法
2.2.3 分水岭算法
2.2.4 冠脉OCT图像分割算法对比分析
2.3 基于深度学习的冠脉OCT图像分割基础
2.3.1 常用图像分割网络结构
2.3.2 冠脉OCT图像的现有分割网络对比分析
2.4 本章小结
第三章 基于改进中智学算法的冠脉OCT图像的多区域自动分割算法
3.1 引言
3.2 分割流程
3.3 中智学
3.4 纤维斑块的分割
3.5.1 同态滤波
3.5.2 形态学
3.6.1 预处理
3.6.2 钙化斑块分割
3.6.3 区域生长
3.7.1 实验环境
3.7.2 实验结果与对比
3.8 本章小结
第四章 基于混合模型的冠脉OCT图像多区域全自动分割算法
4.1 引言
4.2 分割流程
4.3.1 数据来源
4.3.2 预处理
4.3.3 U-Net网络模型
4.3.4 迁移学习与Droupout
4.4.1 中智学理论
4.4.2 隶属-中智算法
4.4.3 分割过程
4.5.1 效果
4.5.2 性能评价
4.6 本章小结
第五章 总结和展望
5.1 工作总结
5.2 未来展望
参考文献
致谢
个人简介及攻读硕士学位期间取得的研究成果
河北大学;