| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 目录 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 医学图像分割的意义 | 第13-14页 |
| 1.2 医学图像分割的国内外研究现状 | 第14-16页 |
| 1.3 论文选题的意义 | 第16-17页 |
| 1.4 本文的主要研究工作 | 第17-19页 |
| 第二章 医学图像分割方法概述 | 第19-33页 |
| 2.1 图像分割的基本原理 | 第19-20页 |
| 2.2 医学图像分割的常用方法 | 第20-29页 |
| 2.2.1 基于阈值的分割 | 第20-22页 |
| 2.2.2 基于边缘的分割 | 第22-24页 |
| 2.2.3 基于区域的分割 | 第24页 |
| 2.2.4 基于数学形态学的分割 | 第24-26页 |
| 2.2.5 基于特定理论工具的分割 | 第26-29页 |
| 2.3 图像分割的评价方法和评价准则 | 第29-33页 |
| 2.3.1 图像分割的评价方法 | 第29-30页 |
| 2.3.2 图像分割的评价准则 | 第30-33页 |
| 第三章 磁共振图像简介 | 第33-41页 |
| 3.1 MRI成像的原理 | 第33-37页 |
| 3.2 MRI图像的特点 | 第37-38页 |
| 3.3 MRI图像的临床应用 | 第38-41页 |
| 第四章 贝叶斯理论及在医学上的应用 | 第41-49页 |
| 4.1 贝叶斯理论概述 | 第41-42页 |
| 4.2 贝叶斯决策 | 第42-44页 |
| 4.2.1 基于最小错误率的贝叶斯决策 | 第42-43页 |
| 4.2.2 基于最小风险的贝叶斯决策 | 第43-44页 |
| 4.3 估计准则 | 第44-46页 |
| 4.3.1 最大后验概率估计(MAP) | 第44-45页 |
| 4.3.2 最大似然估计(ML) | 第45页 |
| 4.3.3 最大期望值(EM) | 第45-46页 |
| 4.4 贝叶斯理论在医学上的应用 | 第46-49页 |
| 第五章 马尔科夫随机场理论 | 第49-67页 |
| 5.1 马尔科夫随机场基本理论 | 第50-53页 |
| 5.2 Gibbs随机场与Markov随机场的等价关系 | 第53-55页 |
| 5.3 MRF-MAP框架 | 第55-57页 |
| 5.4 基本的MRF模型 | 第57-59页 |
| 5.4.1 Ising模型 | 第57-58页 |
| 5.4.2 Potts模型 | 第58页 |
| 5.4.3 MLL(multi-level logistic)模型 | 第58-59页 |
| 5.4.4 高斯马尔科夫模型 | 第59页 |
| 5.5 常用的优化算法 | 第59-67页 |
| 5.5.1 ICM算法 | 第60-62页 |
| 5.5.2 SA算法 | 第62-64页 |
| 5.5.3 Metropolis算法 | 第64-67页 |
| 第六章 基于马尔科夫随机场和贝叶斯理论的医学图像分割的改进算法 | 第67-93页 |
| 6.1 传统的基于马尔科夫随机场和贝叶斯理论的图像分割算法 | 第68-70页 |
| 6.2 基于马尔科夫随机场和贝叶斯理论的医学图像分割的改进算法 | 第70-91页 |
| 6.2.1 一种改进的势函数 | 第70-71页 |
| 6.2.2 有限混合模型理论 | 第71-76页 |
| 6.2.2.1 有限混合模型的定义 | 第71-72页 |
| 6.2.2.2 高斯混合模型 | 第72页 |
| 6.2.2.3 高斯混合模型参数的估计方法 | 第72-76页 |
| 6.2.3 改进算法的思想和实现步骤 | 第76-80页 |
| 6.2.4 实验结果和分析 | 第80-91页 |
| 6.2.4.1 对人工合成图像的实验 | 第80-84页 |
| 6.2.4.2 对人脑MR图像的实验 | 第84-91页 |
| 6.3 小结 | 第91-93页 |
| 第七章 结束语 | 第93-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-101页 |
| 附录 攻读硕士期间发表的学术论文 | 第101页 |
