首页--医药、卫生论文--特种医学论文--放射医学论文--各部位及各科疾病的X线诊断与疗法论文--腹部及消化系论文

基于水平集方法的肝脏CT图像分割算法研究

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第11-19页
    1.1 课题研究的背景及意义第11-12页
    1.2 医学图像分割算法研究现状第12-14页
        1.2.1 基于阈值的而分割方法第12-13页
        1.2.2 基于区域的分割方法第13页
        1.2.3 基于边缘的分割方法第13-14页
        1.2.4 聚类分割方法第14页
        1.2.5 主动轮廓模型的分割方法第14页
    1.3 水平集方法在肝脏CT分割中的研究现状第14-16页
    1.4 本文主要研究内容第16-17页
    1.5 论文组织结构第17-19页
第2章 CT图像简介及水平集理论基础第19-31页
    2.1 CT图像简介第19-22页
        2.1.1 CT图像的成像原理第19-20页
        2.1.2 肝脏CT图像特点第20-22页
        2.1.3 本文的肝脏CT图片来源第22页
    2.2 水平集理论基础第22-30页
        2.2.1 变分方法第22-24页
        2.2.2 曲线演化理论和水平集方法第24-28页
        2.2.3 符号距离函数与水平集函数的初始化第28-29页
        2.2.4 水平集方法的数值求解第29-30页
    2.3 本章小结第30-31页
第3章 基于MEAN SHIFT的肝脏图像平滑第31-39页
    3.1 引言第31-32页
    3.2 肝脏CT分割中常用的滤波方法第32页
    3.3 MEAN SHIFT介绍第32-35页
        3.3.1 基本的Mean Shift第32-33页
        3.3.2 扩展的Mean Shift第33-35页
    3.4 图像预处理评价标准第35页
    3.5 仿真结果及对比分析第35-38页
    3.6 本章小结第38-39页
第4章 基于GVFGAC模型的肝脏CT图像分割算法第39-57页
    4.1 引言第39-40页
    4.2 基本理论介绍第40-44页
        4.2.1 区域生长算法第40-41页
        4.2.2 数学形态学变换第41-42页
        4.2.3 Gradient Vector Flow (GVF)第42-43页
        4.2.4 测地线活动轮廓模型(GAC模型)第43-44页
    4.3 基于GVFGAC模型的肝脏CT图像分割流程第44-49页
        4.3.1 区域生长粗分割第45-46页
        4.3.2 形态学处理及边缘检测第46-47页
        4.3.3 GVFGAC模型的细分割第47-49页
    4.4 仿真结果及对比分析第49-55页
        4.4.1 肝脏分割结果对比试验第49-52页
        4.4.2 肝脏分割结果评价第52-55页
    4.5 本章小结第55-57页
第5章 基于DRLSE模型的全自动肝脏CT图像分割算法第57-75页
    5.1 引言第57页
    5.2 基本理论介绍第57-61页
        5.2.1 K-means第57-58页
        5.2.2 C-V模型第58-60页
        5.2.3 DRLSE模型第60-61页
    5.3 基于DRLSE模型的全自动肝脏CT图像分割流程第61-68页
        5.3.1 肝脏CT图像增强第62-64页
        5.3.2 K-means聚类分类第64-65页
        5.3.3 形态学相关处理第65-66页
        5.3.4 基于DRLSE模型的细分割第66-68页
    5.4 仿真结果及对比分析第68-73页
        5.4.1 肝脏分割结果对比试验第68-71页
        5.4.2 肝脏分割结果评价第71-73页
    5.5 本章小结第73-75页
第6章 结论与展望第75-77页
    6.1 结论第75-76页
    6.2 展望第76-77页
参考文献第77-83页
致谢第83页

论文共83页,点击 下载论文
上一篇:基于水平集的肺部CT图像分割方法研究与实现
下一篇:基于彩色眼底图像的新生血管自动检测方法