| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 待解决的问题 | 第9页 |
| 1.3 国内外研究现状 | 第9-13页 |
| 1.3.1 感兴趣区域（ROI）的提取 | 第11页 |
| 1.3.2 精确轮廓线的获得 | 第11-13页 |
| 1.4 本文主要工作 | 第13页 |
| 1.5 本文内容安排 | 第13-15页 |
| 第二章 医学图像去噪及分割 | 第15-22页 |
| 2.1 图像噪声分类 | 第15-16页 |
| 2.1.1 加性噪声 | 第15页 |
| 2.1.2 乘性噪声 | 第15-16页 |
| 2.2 图像去噪算法简介 | 第16-19页 |
| 2.2.1 空域去噪 | 第16-17页 |
| 2.2.2 变换域去噪 | 第17-19页 |
| 2.3 医学图像分割算法简介 | 第19-21页 |
| 2.3.1 基于阈值的分割算法 | 第19-20页 |
| 2.3.2 基于模式识别的分割算法 | 第20-21页 |
| 2.3.3 基于可形变模型的分割算法 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 随机场模型在图像分割中的应用 | 第22-28页 |
| 3.1 马尔可夫随机场进行图像分割的基本原理 | 第22-25页 |
| 3.1.1 似然函数的求解 | 第23页 |
| 3.1.2 先验概率的表达 | 第23-24页 |
| 3.1.3 马尔可夫随机场的邻域系统 | 第24页 |
| 3.1.4 势团的表达 | 第24-25页 |
| 3.2 Markov模型的求解 | 第25-27页 |
| 3.2.1 模拟退火算法 | 第25-26页 |
| 3.2.2 ICM算法 | 第26-27页 |
| 3.2.3 最大后验边缘概率算法 | 第27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 基于Markov随机场的颈总动脉内中膜厚度测量算法 | 第28-40页 |
| 4.1 算法的基本流程 | 第28-29页 |
| 4.2 算法具体实现 | 第29-39页 |
| 4.2.1 寻找ROI | 第29-30页 |
| 4.2.2 初始标记场 | 第30-35页 |
| 4.2.3 迭代得到最终轮廓线 | 第35-38页 |
| 4.2.4 后处理阶段 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第五章 实验及结果分析 | 第40-47页 |
| 5.1 实验所用的图像库 | 第40页 |
| 5.2 自动测试环境 | 第40页 |
| 5.3 自动IMT测量过程 | 第40-41页 |
| 5.4 手动IMT测量过程 | 第41页 |
| 5.5 性能评估 | 第41-46页 |
| 5.5.1 IMT值的计算 | 第41-42页 |
| 5.5.2 手动IMT值有效性分析 | 第42-43页 |
| 5.5.3 AS IMT和GT IMT的对比 | 第43-45页 |
| 5.5.4 与其他算法的比较 | 第45-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-50页 |
| 6.1 本文总结 | 第47-48页 |
| 6.2 前景展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56-57页 |