基于FCN-CRF及先验信息的海马体图像分割

声明

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.2.1医学图像分割现状

1.2.2海马体分割难点

1.3实验数据简介

1.3.1磁共振成像

1.3.2ADNI数据集

1.3.3NITRC数据集

1.4研究内容及目标

1.5文章组织结构

第二章 图像分割技术与深度学习

2.1图像分割算法研究

2.2.1图像分割概述

2.2.1传统分割方法

2.2深度学习与卷积神经网络

2.2.1卷积神经网络的特点

2.2.2卷积神经网络的基本结构

2.2.3激活函数

2.3深度学习与图像分割

2.4本章小结

第三章 基于FCN-CRF的海马体分割

3.1数据预处理

3.1.1图像优化

3.1.2数据集扩充

3.2全卷积神经网络

3.2.1模型结构原理

3.3改进的FCN之U-Net

3.3.1模型结构原理

3.3.2训练策略与分割结果

3.4结合Dense CRF分割模型

3.4.1条件随机场

3.4.2条件随机场与图像分割

3.4.3全连接条件随机场的高效推理

3.4.2全连接条件随机场结构化为循环神经网络

3.5整合模型具体实现

3.6实验结果分析比较

3.6.1图像分割评价指标

3.6.2实验结果分析比较

3.7本章小结

第四章 结合先验信息的损失函数算法设计

4.1类平衡损失函数

4.1.1类权重损失函数

4.1.2伪DICE损失函数

4.2边缘感知损失函数

4.2.1边缘感知算法

4.3具体实现

4.4实验结果及分析

4.5本章小结

第五章 总结与展望

5.1工作总结

5.2课题展望

参考文献

攻读学位期间的研究成果目录

致谢