声明
目 录
1 绪论
1.1 课题研究内容与提出的研究意义
1.3 国内外研究现状和发展趋势
1.3.1 医学图像分割研究
1.3.2 脑部肿瘤图像分割现状
1.3.3 肝脏占位性病变区域分割现状
1.4 本论文的创新点
1.5 本文主要研究内容以及各章内容安排
2 分割网络的基础知识概述
2.1 基于卷积神经网络的分割算法
2.1.1 卷积神经网络的基本原理
2.1.2 基于卷积神经网络的分割算法
2.2 多模态融合
2.3本章小结
3 基于多模态加权的U-Net模型的脑肿瘤分割方法
3.1问题概述
3.2框架设计与算法实现
3.2.1 预处理
3.2.2 基于U-Net的基准模型
3.2.3 多模态加权融合的分割网络
3.3实验设计与结果分析
3.3.1 实验环境配置
3.3.2 网络训练与参数设置
3.4图像分割评估方法
3.5实验结果
3.5.1 自动化网络分割示例
3.5.2 单模态分割结果与多模态融合结果对比
3.5.3 各网络模型分割结果对比
3.6本章小结
4 基于三维卷积神经网络的多模态加权U-Net的肝脏占位性病变分割方法
4.1 三维卷积
4.2 框架设计与算法实现
4.1.1 数据预处理
4.1.2 基于三维卷积神经网络的多模态加权U-Net的分割网络设计
4.2实验环境配置
4.2.1 实验环境配置
4.2.2 网络训练与参数设置
4.3图像分割评估方法
4.4实验结果
4.4.1 多模态分割与单模态分割对比
4.4.2 对比实验结果分析
4.4.3 各网络模型分割结果对比
4.5本章小结
5 总结与展望
5.1本文主要工作总结
5.2后续研究方向展望
参考文献
攻读硕士学位期间主要的研究成果
致 谢
浙江大学;
