基于卷积神经网络的胎儿头围测量方法研究

目录

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