基于自组织特征映射神经网络的医学图像分割
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章:绪论 | 第15-23页 |
| ·研究背景和目的 | 第15页 |
| ·医学图像分割概念 | 第15-16页 |
| ·医学图像分割的意义 | 第16页 |
| ·医学图像分割技术的研究现状 | 第16-17页 |
| ·医学图像分割方法综述 | 第17-21页 |
| ·基于统计的分割方法 | 第17-19页 |
| ·全局阈值分割技术 | 第18页 |
| ·最佳阈值分割技术 | 第18页 |
| ·自适应阈值分割技术 | 第18-19页 |
| ·基于边缘的分割方法 | 第19页 |
| ·区域增长分割技术 | 第19-21页 |
| ·课题的提出 | 第21-22页 |
| ·论文的研究范围和组织 | 第22-23页 |
| 第二章:医学图像的去噪 | 第23-30页 |
| ·医学图像噪声的种类和模型 | 第23-24页 |
| ·中值滤波 | 第24-25页 |
| ·小波变换去噪 | 第25-26页 |
| ·小波变换和中值滤波图像去噪算法 | 第26-27页 |
| ·实验结果 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章:人工神经网络 | 第30-47页 |
| ·生物神经元 | 第30-32页 |
| ·人工神经网络 | 第32-40页 |
| ·神经元模型 | 第32-37页 |
| ·学习规则 | 第37-38页 |
| ·Hebb学习规则 | 第37页 |
| ·感知器学习规则 | 第37-38页 |
| ·人工神经网络的互连模式 | 第38-40页 |
| ·人工神经网络的应用 | 第40-41页 |
| ·人工神经网络的发展历史及现状 | 第41-43页 |
| ·常见的神经网络 | 第43-46页 |
| ·BP网络 | 第44页 |
| ·Hopfield神经网络 | 第44页 |
| ·自组织神经网络 | 第44-46页 |
| ·竞争学习的特点 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于模糊SOFM的医学图像分割 | 第47-62页 |
| ·模糊理论 | 第47-48页 |
| ·模糊集基础 | 第47-48页 |
| ·Kohonen神经网络 | 第48-53页 |
| ·Kohonen神经网络的结构 | 第49-51页 |
| ·kohonen算法 | 第51-52页 |
| ·权值的调整 | 第52-53页 |
| ·模糊自组织特征映射 | 第53-56页 |
| ·模糊自组织特征映射网络 | 第54页 |
| ·网络的结构 | 第54页 |
| ·网络的学习 | 第54-56页 |
| ·网络的回调 | 第56页 |
| ·模糊自组织特征映射网络用于模糊医学图像分割 | 第56-57页 |
| ·增强模糊自组织特征映射 | 第57-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·全文工作总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
