声明
第 1 章 绪论
1.1 研究背景及意义
1.2 肺裂 CT 图像分割研究现状
1.3 论文研究内容及安排
第 2 章 肺裂分割的相关理论基础
2.1 肺裂 CT 图像分割基础知识
2.1.1 CT 图像基础知识
2.1.2 肺裂基础知识
2.2 卷积神经网络基础知识
2.2.1 卷积层
2.2.2 池化层
2.2.3 激活函数
2.2.4 全连接层
2.2.5 批归一化
2.3 经典分割网络模型
2.3.1 FCN
2.3.2 SegNet
2.3.3 U-Net 网络
2.4 本章小结
第 3 章 基于改进 U-Net 的肺裂图像分割模型
3.1 肺裂分割算法流程
3.2 基于 U-Net 的肺裂 CT 分割网络
3.3 基于残差模块 U-Net 的肺裂分割网络
3.3.1 残差模块
3.3.2 Dropout
3.3.3 损失函数
3.3.3 基于残差模块的 U-Net 肺裂分割网络
3.4 实验与结果分析
3.4.1 实验数据及处理
3.4.2 肺裂分割评价标准
3.4.3 实验环境及参数设置
3.4.4 曲线变化分析
3.4.5 评价指标分析
3.4.6 分割效果对比
3.5 本章小结
第 4 章 基于生成对抗网络的肺裂图像分割模型
4.1 生成对抗网络
4.1.1 基本原理
4.1.2 GAN 训练过程
4.2 基于生成对抗网络的肺裂图像分割流程
4.3 网络设计
4.3.1 生成器网络设计
4.3.2 image 判别器网络设计
4.3.3 patch 判别器网络设计
4.3.4 损失函数设计
4.4 模型训练及参数优化过程
4.4.1 生成器网络优化过程
4.4.2 判别器网络优化过程
4.5 本章小结
第 5 章 基于生成对抗网络的肺裂分割实验与评估
5.1 实验数据及环境
5.2 肺裂分割评价标准
5.3 实验结果与分析
5.3.1 模型训练情况分析
5.3.2 测试结果图形分析
5.3.3 测试曲线分析
5.4 实验结果总体比较
5.4.1 评价指标比较
5.4.2 分割结果三维可视化对比
5.5 本章小结
总结与展望
总结
展望
参考文献
致谢
湖南大学;