| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 面临的主要问题与研究方向 | 第15-16页 |
| 1.4 本论文研究内容和组织结构 | 第16-17页 |
| 第2章 医学图像配准技术理论概述 | 第17-25页 |
| 2.1 医学图像配准方法分类 | 第17-18页 |
| 2.1.1 按图像的维数分类 | 第17页 |
| 2.1.2 按交互性分类 | 第17页 |
| 2.1.3 按空间变换类型分类 | 第17-18页 |
| 2.1.4 按变换函数作用域分类 | 第18页 |
| 2.1.5 按图像来源和成像部位分类 | 第18页 |
| 2.1.6 按成像模式分类 | 第18页 |
| 2.1.7 按控制点分类 | 第18页 |
| 2.1.8 按配准过程分类 | 第18页 |
| 2.2 医学图像刚性配准通用框架 | 第18-22页 |
| 2.2.1 特征点集的选取 | 第19-20页 |
| 2.2.2 特征描述子生成 | 第20页 |
| 2.2.3 相似性度量 | 第20-21页 |
| 2.2.4 图像变换模型 | 第21-22页 |
| 2.3 医学图像配准评价标准 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于互严格凹函数测度的医学图像刚性配准 | 第25-37页 |
| 3.1 互信息 | 第25-26页 |
| 3.2 互严格凹函数测度 | 第26-28页 |
| 3.2.1 严格凹函数 | 第26-27页 |
| 3.2.2 互严格凹函数测度 | 第27-28页 |
| 3.3 插值技术 | 第28-30页 |
| 3.3.1 PV插值 | 第28-29页 |
| 3.3.2 B样条函数及基于B样条的GPVE插值 | 第29-30页 |
| 3.4 Powell优化算法 | 第30-33页 |
| 3.4.1 基本Powell算法实现 | 第31页 |
| 3.4.2 改进的Powell算法实现 | 第31-32页 |
| 3.4.3 配准算法的实验流程 | 第32-33页 |
| 3.5 实验结果及分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于改进驱动力的Demons非刚性医学图像配准 | 第37-53页 |
| 4.1 传统Demons算法 | 第37-40页 |
| 4.1.1 算法来源 | 第37-38页 |
| 4.1.2 传统Demons算法作用力分析 | 第38-39页 |
| 4.1.3 算法配准过程和变形场的正则化 | 第39页 |
| 4.1.4 多分辨率策略 | 第39-40页 |
| 4.2 改进的demons驱动力 | 第40-43页 |
| 4.2.1 主动Demons算法 | 第40-41页 |
| 4.2.2 均化系数和弹性系数分析 | 第41页 |
| 4.2.3 增加参数的主动demons算法 | 第41-42页 |
| 4.2.4 参数选择的判定 | 第42-43页 |
| 4.3 MR图像的预处理 | 第43-47页 |
| 4.3.1 MR图像去噪 | 第43-44页 |
| 4.3.2 MR灰度不均匀校正 | 第44-47页 |
| 4.4 实验结果与分析 | 第47-51页 |
| 4.4.1 算法实验整体流程 | 第47-48页 |
| 4.4.2 医学图像配准实验分析 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 基于配准算法的婴幼儿脑组织和脑结构分割 | 第53-71页 |
| 5.1 传统MRF随机场分割脑组织 | 第54-60页 |
| 5.1.1 马尔可夫随机场模型 | 第54-57页 |
| 5.1.2 马尔可夫模型的分割框架 | 第57-60页 |
| 5.2 基于Graphcut算法的深层脑结构分割 | 第60-63页 |
| 5.2.1 GraphCut基本理论 | 第60-62页 |
| 5.2.2 最大流最小割 | 第62页 |
| 5.2.3 GraphCut算法的分割框架 | 第62-63页 |
| 5.3 基于配准算法的脑组织和深层脑结构的分割 | 第63-65页 |
| 5.4 实验结果与分析 | 第65-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79页 |