| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·医学图像分割研究进展及意义 | 第11-18页 |
| ·单幅医学图像分割的发展及意义 | 第11-14页 |
| ·多幅医学图像融合的发展及意义 | 第14-18页 |
| ·本文的主要研究内容和创新点 | 第18-19页 |
| ·本文组织结构 | 第19-20页 |
| 第二章 SSCL 与聚类方法相结合的自适应图像分割方法 | 第20-37页 |
| ·SSCL 与传统聚类方法相结合的算法原理 | 第20-21页 |
| ·聚类中心初始化 | 第21-22页 |
| ·聚类后处理 | 第22-23页 |
| ·SSCLFCM 分割方法 | 第23-27页 |
| ·FCM 聚类方法 | 第23-24页 |
| ·SSCLFCM 方法步骤 | 第24-25页 |
| ·SSCLFCM 实验结果及分析 | 第25-27页 |
| ·SSCLECM 分割方法 | 第27-36页 |
| ·信任分割的基本知识 | 第27-28页 |
| ·ECM 聚类方法 | 第28-29页 |
| ·SSCLECM 算法步骤 | 第29-30页 |
| ·SSCLECM 实验结果与分析 | 第30-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 最佳医学图像分割特征选择机制 | 第37-49页 |
| ·特征选择现状以及方法 | 第37-40页 |
| ·特征选择现状 | 第37-38页 |
| ·特征选择方法简介 | 第38-40页 |
| ·互信息量和交叉验证融合的特征选择(MICVFS)算法 | 第40-43页 |
| ·融合规则 | 第41页 |
| ·MICVFS 算法的思想 | 第41-43页 |
| ·MICVFS 算法步骤 | 第43-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·UCI 数据集 | 第44-46页 |
| ·医学图像分割 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于加权融合的特征自选择机制SSCLECM 分割方法 | 第49-59页 |
| ·孙全合成方法分析 | 第49-50页 |
| ·基于加权的融合方法 | 第50-52页 |
| ·改进的融合方法的步骤 | 第50-51页 |
| ·权重系数的求得 | 第51-52页 |
| ·新的融合方法下自动特征选择ECM 分割方法 | 第52-53页 |
| ·实验分析 | 第53-58页 |
| ·融合规则的验证 | 第53-55页 |
| ·医学图像分割中的应用 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·论文工作总结 | 第59-60页 |
| ·存在的不足与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间公开发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |
