| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 研究现状及难点问题 | 第9-14页 |
| 1.2.1 国内外研究现状 | 第9-12页 |
| 1.2.2 研究的难点问题 | 第12-14页 |
| 1.3 本文的主要工作及内容安排 | 第14-16页 |
| 1.3.1 本文主要工作 | 第14-15页 |
| 1.3.2 本文结构安排 | 第15-16页 |
| 2 CT图像的成像原理以及DICOM格式 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 CT图像的成像原理 | 第16-17页 |
| 2.3 DICOM图像格式 | 第17-19页 |
| 2.3.1 DICOM标准 | 第17页 |
| 2.3.2 DICOM信息模型 | 第17-18页 |
| 2.3.3 DICOM文件格式 | 第18-19页 |
| 2.4 DICOM显示原理 | 第19-20页 |
| 2.4.1 窗宽与窗位 | 第19页 |
| 2.4.2 位图的显示方法 | 第19-20页 |
| 2.4.3 DICOM图像的显示流程 | 第20页 |
| 2.5 BMP文件格式 | 第20-21页 |
| 2.6 DICOM与BMP格式转换 | 第21-23页 |
| 2.7 本章小结 | 第23-24页 |
| 3 水平集相关理论 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 曲线演化相关理论 | 第24-26页 |
| 3.3 经典水平集 | 第26-31页 |
| 3.3.1 引言 | 第26-27页 |
| 3.3.2 基于梯度模型的水平集 | 第27-28页 |
| 3.3.3 基于区域模型的水平集 | 第28-30页 |
| 3.3.4 基于形状模型的水平集 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于图像增强与因式分解的肝脏肿瘤自动分割 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 基于LPIF（局部像素不均匀化因子）的图像预处理 | 第32-35页 |
| 4.3 基于图像模型的因式分解 | 第35-37页 |
| 4.3.1 局部频谱直方图 | 第35-36页 |
| 4.3.2 图像模型 | 第36-37页 |
| 4.4 基于因式分解的分割肝脏肿瘤处理流程 | 第37-38页 |
| 4.5 实验结果分析 | 第38-42页 |
| 4.6 本章小结 | 第42-43页 |
| 5 基于混合高斯模型与B样条水平集肝脏肿瘤自动分割算法 | 第43-54页 |
| 5.1 引言 | 第43页 |
| 5.2 混合高斯模型 | 第43-46页 |
| 5.2.1 EM算法的参数 | 第44-45页 |
| 5.2.2 标记的MAP估计 | 第45-46页 |
| 5.2.3 基于GMM的HMRF | 第46页 |
| 5.3 B样条水平集 | 第46-48页 |
| 5.4 实验结果分析 | 第48-53页 |
| 5.5 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54页 |
| 6.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
| A 作者在攻读学位期间内发表的论文目录 | 第61页 |
| B 作者在攻读学位期间内参加的科研项目 | 第61页 |