| 第一章 绪论 | 第1-13页 |
| §1．1 医学图像的分割与配准 | 第7-8页 |
| §1．2 医学图像分析在临床中的应用 | 第8-11页 |
| §1．2．1 手术导航 | 第9页 |
| §1．2．2 脑功能的研究 | 第9-10页 |
| §1．2．3 手术模拟 | 第10-11页 |
| §1．2．4 病情跟踪 | 第11页 |
| §1．3 图像的统计模型 | 第11-12页 |
| §1．4 本文的研究工作 | 第12-13页 |
| 第二章 医学图像配准综述 | 第13-25页 |
| §2．1 引言 | 第13-14页 |
| §2．2 研究对象和配准的模态信息分类 | 第14-15页 |
| §2．3 图像维数准则分类 | 第15页 |
| §2．4 变换的特性和域准则分类 | 第15-17页 |
| §2．5 优化算法分类 | 第17-18页 |
| §2．6 基于特征本质准则的配准方法分类 | 第18-25页 |
| §2．6．1 基于非图像特征的配准方法 | 第18-19页 |
| §2．6．2 基于外部特征的图像配准方法 | 第19-20页 |
| §2．6．3 基于内部特征的图像配准方法 | 第20-25页 |
| 第三章 医学图像分析的统计模型 | 第25-37页 |
| §3．1 最大似然模型与熵 | 第26-27页 |
| §3．2 概率密度估计的正态分布模型 | 第27-30页 |
| §3．3 概率密度估计的混合正态分布模型 | 第30-33页 |
| §3．3．1 K次平均算法 | 第31-32页 |
| §3．3．2 Expectation Maximization算法 | 第32-33页 |
| §3．4 Parzen Window | 第33-37页 |
| 第四章 多模态图像的配准计算 | 第37-65页 |
| §4．1 匹配问题 | 第37-39页 |
| §4．2 最大似然匹配准则 | 第39-40页 |
| §4．3 估计熵与互信息匹配准则 | 第40-45页 |
| §4．3．1 互信息的定义与性质 | 第41-42页 |
| §4．3．2 互信息的计算 | 第42-45页 |
| §4．3．2．1 直方图法 | 第42-43页 |
| §4．3．2．2 估计熵与Parzen窗的互信息计算 | 第43-45页 |
| §4．4 优化方法 | 第45-48页 |
| §4．5 配准的实现与结果评价 | 第48-58页 |
| §4．5．1 图像数据结构 | 第48-49页 |
| §4．5．2 配准实现步骤及参数确定 | 第49-52页 |
| §4．5．3 实验结果 | 第52-58页 |
| 第5章 结论与展望 | 第58-65页 |
| §5．1 工作总结 | 第58-59页 |
| §5．2 全局配准和局部配准 | 第59-60页 |
| §5．3 有指导的配准和无指导（自动）配准 | 第60-61页 |
| §5．4 统计学习理论与支持向量机（SVM） | 第61-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |