声明
摘要
第1章绪论
1.1研究意义
1.2国内外研究现状分析
1.3研究内容和创新点
1.4章节安排
第2章神经网络和图像分割
2.1.1神经网络基础理论
2.1.2卷积神经网络的基本结构
2.2图像分割
2.2.1基于阈值分割方法
2.2.2基于区域分割方法
2.2.3基于边缘分割方法
2.2.4基于深度学习的图像分割方法
2.3图像分割在医学图像上的应用
2.4本章小结
第3章基于H-Unet的胎儿头围测量方法
3.1胎儿头部图像分割
3.1.2编码器-解码器结构
3.1.3空洞卷积
3.1.4多尺度特征金字塔
3.1.5注意力模块
3.1.6模型训练的损失函数
3.2头围拟合和测量
3.3实验结果与分析
3.3.1数据集
3.3.2评价指标
3.3.3模型训练
3.3.4实验结果及分析
3.4本章小结
第4章基于MaskR-CNN稳健统计改进头围测量方法
4.1实例分割
4.2Mask R-CNN实例分割方法
4.2.1ResNet-FPN结构
4.2.2Faster R-CNN网络
4.2.3Mask R-CNN网络
4.3基于稳健统计的异常检测
4.4胎儿头围测量
4.5实验结果与分析
4.5.1实验配置
4.5.2不同分割算法实验
4.5.3阈值参数P优化实验
4.6本章小结
第五章总结与展望
5.1本文总结
5.2后续工作展望
致谢
参考文献
附录
武汉科技大学;