深度学习在肿瘤诊断中的应用

第1章 面向多站点MR图像的器官泛化分割 1.1 介绍 1.1.1 研究背景 1.1.2 国内外研究现状 1.1.3 本章主要工作 1.2 相关工作 1.2.1 通用医学图像分割算法 1.2.2 多任务学习 1.2.3 变分自编码器 1.2.4 迁移学习和无监督域适应 1.2.5 元学习 1.3 方法 1.3.1 基于元学习和域判别器的域泛化算法 1.3.2 基于无监督域适应的医学图像分割算法 1.4 实验分析 1.4.1 基于元学习和域判别器的域泛化算法实验结果分析 1.4.2 基于无监督域适应的医学图像分割算法实验结果分析 1.5 结论 第2章 面向多模态MR图像的病灶分割分级 2.1 介绍 2.1.1 研究背景 2.1.2 国内外研究现状 2.1.3 本章主要工作 2.2 相关工作 2.2.1 卷积神经网络概述 2.2.2 深度残差网络ResNet 2.2.3 语义分割网络 2.2.4 注意力机制 2.3 方法 2.3.1 基于模态融合和形状学习的前列腺癌分割算法 2.3.2 基于软阈值化的前列腺癌分级算法 2.4 实验分析 2.4.1 基于模态融合和形状学习的前列腺癌分割算法实验结果分析 2.4.2 基于软阈值化的前列腺癌分级算法实验结果分析 2.5 结论 第3章 基于图神经网络的病理图像分类 3.1 介绍 3.1.1 研究背景 3.1.2 国内外研究现状 3.1.3 本章主要工作 3.2 相关工作 3.2.1 细胞图生成相关技术介绍 3.2.2 图神经网络相关技术介绍 3.2.3 Transformer相关技术介绍 3.3 方法 3.3.1 细胞图生成算法 3.3.2 细胞图分类算法 3.4 实验分析 3.4.1 细胞图生成算法实验结果分析 3.4.2 细胞图分类算法实验结果分析 3.5 结论 第4章 总结与展望 参考文献