| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第11-23页 |
| 1.1 引言 | 第11-12页 |
| 1.2 课题研究背景 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.4 课题研究难点 | 第17-19页 |
| 1.5 主要内容和创新 | 第19-20页 |
| 1.6 章节安排 | 第20-23页 |
| 2 自动解剖结构分割 | 第23-37页 |
| 2.1 引言 | 第23-25页 |
| 2.2 符号标记 | 第25页 |
| 2.3 建模 | 第25-31页 |
| 2.3.1 建立图像数据库和划分各器官区域 | 第25-28页 |
| 2.3.2 建立器官的模糊模型 | 第28-31页 |
| 2.4 初步分割(模型定位) | 第31-33页 |
| 2.4.1 One-Shot方法 | 第32页 |
| 2.4.2 阈值化最优搜索方法 | 第32-33页 |
| 2.5 细分割(区域划分) | 第33-36页 |
| 2.5.1 基于模糊模型的IRFC方法 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3 基于模糊模型的PET/CT序列图像自动解剖结构分割 | 第37-75页 |
| 3.1 引言 | 第37-39页 |
| 3.1.1 问题分析 | 第38-39页 |
| 3.1.2 本章主要内容及创新点 | 第39页 |
| 3.2 符号标记 | 第39-40页 |
| 3.3 全身自动解剖结构分割 | 第40-42页 |
| 3.4 建模 | 第42-48页 |
| 3.4.1 建立图像数据库 | 第42页 |
| 3.4.2 划分数据库图像中各器官真实区域 | 第42-44页 |
| 3.4.3 建立模糊模型 | 第44-45页 |
| 3.4.4 改进的最优阈值训练方法 | 第45-48页 |
| 3.5 初步分割(模型定位) | 第48-53页 |
| 3.5.1 改进的多模式分割 | 第48-50页 |
| 3.5.2 改进的图像模式(纹理、物体隶属度) | 第50-53页 |
| 3.6 实验结果 | 第53-71页 |
| 3.6.1 图像数据库 | 第53-54页 |
| 3.6.2 评价标准 | 第54页 |
| 3.6.3 PET/CT图像初步分割 | 第54-61页 |
| 3.6.4 纹理图像初步分割 | 第61-64页 |
| 3.6.5 物体隶属度图像初步分割 | 第64-68页 |
| 3.6.6 全身与局部身体区域初步分割结果对比 | 第68-69页 |
| 3.6.7 原有和改进最优阈值训练方法结果对比 | 第69-70页 |
| 3.6.8 运行时间 | 第70-71页 |
| 3.7 实验结果分析 | 第71-73页 |
| 3.7.1 实验结论 | 第71-72页 |
| 3.7.2 与其它方法的对比分析 | 第72-73页 |
| 3.7.3 局限性分析 | 第73页 |
| 3.8 本章小结 | 第73-75页 |
| 4 基于形状特征的工业CT序列图像裂缝分割 | 第75-99页 |
| 4.1 引言 | 第75-77页 |
| 4.1.1 问题分析 | 第76-77页 |
| 4.1.2 本章主要内容及创新点 | 第77页 |
| 4.2 符号标记 | 第77页 |
| 4.3 基本理论 | 第77-80页 |
| 4.3.1 基于Hessian矩阵的线状滤波器 | 第77-79页 |
| 4.3.2 二维熵阈值化 | 第79-80页 |
| 4.4 自动裂缝分割方法 | 第80-87页 |
| 4.4.1 图像预处理 | 第81-83页 |
| 4.4.2 基于Hessian矩阵的线状滤波器 | 第83-84页 |
| 4.4.3 改进的二维熵阈值 | 第84-87页 |
| 4.5 实验结果与分析 | 第87-96页 |
| 4.5.1 图像数据 | 第87页 |
| 4.5.2 评价标准 | 第87页 |
| 4.5.3 工业CT序列图像裂缝分割 | 第87-96页 |
| 4.6 本章小结 | 第96-99页 |
| 5 总结和展望 | 第99-103页 |
| 5.1 论文工作总结 | 第99-100页 |
| 5.2 后续工作展望 | 第100-103页 |
| 致谢 | 第103-105页 |
| 参考文献 | 第105-117页 |
| 附录 | 第117页 |
| A.作者在攻读学位期间发表及投稿的论文目录 | 第117页 |
| B.作者在攻读学位期间获权的发明专利 | 第117页 |
| C.作者在攻读学位期间参加的基金项目 | 第117页 |