| 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 |
