| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 引言 | 第11-13页 |
| 1.2 常用医学成像方式介绍及其常见用途 | 第13-15页 |
| 1.2.1 CT（Computed Tomography）计算机断层扫描 | 第13-14页 |
| 1.2.2 MRI（Magnetic Resonance Imaging）磁共振成像 | 第14-15页 |
| 1.3 常用医学图像分割算法介绍 | 第15-20页 |
| 1.3.1 医学图像分割算法分类 | 第15-17页 |
| 1.3.2 基于区域划分的分割方法(Region Based) | 第17-19页 |
| 1.3.3 基于边缘/表面的可变形模型分割方法 | 第19-20页 |
| 1.4 心脏分割的特点、研究现状与本文安排 | 第20-24页 |
| 1.4.1 心脏分割的特点 | 第20-21页 |
| 1.4.2 心脏分割的研究现状和问题 | 第21-22页 |
| 1.4.3 全心脏分割研究的意义 | 第22-23页 |
| 1.4.4 本文的主要内容安排 | 第23-24页 |
| 第二章 基于可变形模型的医学图像分割 | 第24-33页 |
| 2.1 引言 | 第24-25页 |
| 2.2 LEVEL SET METHODS 水平集方法 | 第25-31页 |
| 2.2.1 背景介绍 | 第25-26页 |
| 2.2.2 Level Set Methods 水平集方法 | 第26-29页 |
| 2.2.3 无边界的水平集演化停止条件 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于概率统计学的图像分割算法 | 第33-42页 |
| 3.1 引言 | 第33页 |
| 3.2 极大似然估计问题 | 第33-35页 |
| 3.3 EM 期望最大化算法及其于高斯混合模型的应用 | 第35-39页 |
| 3.3.1 EM 期望最大化算法简介 | 第35页 |
| 3.3.2 高斯混合模型 | 第35-39页 |
| 3.4 期望最大化算法和高斯混合模型在图像分割上的应用 | 第39-41页 |
| 3.4.1 基于期望最大化算法和高斯混合模型的图像分割 | 第39-40页 |
| 3.4.2 基本分割应用实例 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于优化的期望最大化算法和带先验指导的水平集方法混合分割模型 | 第42-53页 |
| 4.1 引言 | 第42-43页 |
| 4.2 基于连通域标记算法的图像噪音处理 | 第43-46页 |
| 4.3 期望最大化算法中非可信点处理 | 第46-48页 |
| 4.4 图像噪音处理试验 | 第48-50页 |
| 4.5 带形状先验知识的C-V LEVEL SET 分割模型 | 第50-51页 |
| 4.6 分割结果的评估方法 | 第51-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第五章 实验 | 第53-78页 |
| 5.1 实验环境和数据 | 第54-58页 |
| 5.2 实验安排和步骤 | 第58-62页 |
| 5.3 基于EM 期望最大化算法的分类实验 | 第62-64页 |
| 5.4 非可信点和噪音处理 | 第64-65页 |
| 5.5 分类算法参数和鲁棒性讨论 | 第65-70页 |
| 5.5.1 分类算法参数分析和讨论 | 第65-67页 |
| 5.5.2 非可信点实验分析 | 第67-68页 |
| 5.5.3 噪音处理实验分析和讨论 | 第68-70页 |
| 5.6 带形状先验知识的水平集分割实验 | 第70-72页 |
| 5.7 分割结果和实验分析 | 第72-78页 |
| 第六章 总结与展望 | 第78-81页 |
| 6.1 本文工作总结 | 第78-79页 |
| 6.2 未来工作展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间的研究成果与已发表或录用的论文 | 第85-87页 |
