声明
第一章 绪论
1.1 问题研究背景
1.2 国内外研究现状
1.3 本文主要研究内容
第二章 深度学习的相关理论基础
2.1 深度学习
2.1.1 卷积神经网络发展历程
2.1.2 误差反向传播算法
2.2 卷积神经网络
2.2.1 卷积和池化
2.2.2 全连接层和Softmax
2.2.3 激活函数
2.2.4 权重调整和参数更新
2.2.5 Dropout
2.3 深度学习框架Caffe
2.4 本章小结
3.1 算法流程
3.1.1 数据来源及图像预处理
3.2 核磁共振图像的预处理
3.2.1 BET算法去脑壳
3.2.2 偏移场校正
3.2.3 基于fsl-anat算法的多图谱配准
3.3网络结构设计
3.3.1 AlexNet网络简介
3.3.2 改进结构的网络设计
3.4 实验步骤及结果分析
3.5 本章小结
4.1 算法流程
4.2 图像预分割
4.3 FCN图像分割
4.3.1 全卷积神经网络
4.3.2 上采样
4.3.3 FCN网络结构设计
4.4 实验步骤及结果分析
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 下一步工作
参考文献
攻读硕士学位期间的科研成果
致谢
