学位专题

封面
声明
中文摘要
英文摘要
目录
第1章绪论
1.1 课题研究目的及意义
1.2 国内外研究现状
1.2.1 传统分割方法
1.2.2 深度学习分割方法
1.3 研究内容安排
第2章相关理论介绍与乳腺图像预处理
2.1 相关理论介绍
2.1.1 深度可分离卷积
2.1.2 U-Net网络
2.1.3 DenseNet网络
2.2 DCE-MRI乳腺图像分析
2.3 数据处理相关工作
2.3.1 数据规范化
2.3.2 限制对比度自适应直方图均衡化
2.3.3 图像滤波
2.3.4 数据归一化与标准化
2.4 本章小结
第3章基于U-Net的轻量化乳腺ROI分割
3.1 多尺度特征注意力网络
3.1.1 整体网络结构
3.1.2 多尺度并行结构
3.1.3 多尺度注意力融合模块
3.1.4 Non-local模块
3.2 实验设计
3.2.1 实验框架
3.2.2 分割算法描述
3.2.3 评价标准
3.3 实验结果与分析
3.3.1 MP结构与MsAF模块实验结果分析
3.3.2 Non-local模块实验结果分析
3.3.3 分割网络对比
3.4 本章小结
第4章基于PMA-Net的乳腺FGT分割
4.1 金字塔多尺度注意力网络
4.1.1 密集连接的深度可分离卷积模块
4.1.2 金字塔特征融合模块
4.1.3 损失函数
4.2 实验设计
4.2.1 实验框架
4.2.2 分割算法描述
4.3 实验结果与分析
4.3.1 ROI对乳腺FGT分割的影响
4.3.2 DenseDSC模块与FPF模块实验结果分析
4.3.3 分割网络对比
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文及获得成果
致谢