摘要 | 第1-4页 |
ABSTRACT | 第4-10页 |
第1章 绪论 | 第10-17页 |
·三维可视化技术的主要实现途径 | 第11-12页 |
·三维重建与显示 | 第12-14页 |
·本文的主要研究内容 | 第14-17页 |
第2章 基于小波分解的图象元素局域多维特征提取 | 第17-32页 |
·小波 | 第17-22页 |
·正交基 | 第17-18页 |
·Reisz基 | 第18-19页 |
·标架(frame) | 第19-20页 |
·小波标架 | 第20-21页 |
·小波的性质与小波变换的优点 | 第21-22页 |
·Mallat分解与多尺度分析 | 第22-25页 |
·图象空间的二维可分离离散小波分解 | 第25-27页 |
·图象象素局域内的多维特征提取 | 第27-30页 |
·讨论与分析 | 第30-32页 |
第3章 基于人工神经网络对多维空间的非线性划分 | 第32-41页 |
·人工神经网络概述 | 第33-34页 |
·神经元模型 | 第34-35页 |
·线性阈值单元的划分能力 | 第35-36页 |
·神经网络的VC维数 | 第36-37页 |
·神经网络实现复杂非线性划分的几种方法 | 第37-41页 |
·支持向量机(SVM)方法 | 第37-38页 |
·径向基函数(RBF)网络 | 第38-39页 |
·多层前馈神经网络反向传播(BP)学习方法 | 第39-41页 |
第4章 基于小波与人工神经网络的序列图象ROI分割 | 第41-47页 |
·ROI分割问题 | 第42页 |
·序列图象ROI分割实现过程 | 第42-46页 |
·样本图象的获取 | 第43页 |
·图象上样本点的小波分解 | 第43页 |
·自组织与反向传播混合神经网络 | 第43页 |
·实现步骤 | 第43-44页 |
·序列图象分割与三维重建结果 | 第44-46页 |
·讨论与分析 | 第46-47页 |
第5章 医学序列图象三维数据场的重建与显示 | 第47-58页 |
·三维显示的图形学方法 | 第47-53页 |
·三维显示的相关过程 | 第47-48页 |
·三维显示的投影模式 | 第48-49页 |
·三维显示过程中的Model与View线性转换 | 第49-52页 |
·M-V转换阵的Matrix堆栈方式 | 第52-53页 |
·三维显示的光照模型 | 第53页 |
·三维数据场的体绘制方法 | 第53-55页 |
·体绘制光线追踪算法 | 第54页 |
·体绘制的光照模型 | 第54-55页 |
·三维数据场的表面绘制方法 | 第55-58页 |
·MC三维重建算法 | 第55-56页 |
·剖分立方体三维重建算法 | 第56-58页 |
第6章 基于二维轮廓的体数据场三维表面重建 | 第58-63页 |
·单轮廓的三维形体重建算法 | 第58-61页 |
·最短对角线法 | 第60页 |
·最大体积法 | 第60-61页 |
·多轮廓线的三维形体重建方法 | 第61-62页 |
·多轮廓问题转化为数据场等值面问题 | 第62-63页 |
第7章 基于多轮廓重建的神经干功能束组3D可视化研究 | 第63-72页 |
·神经干功能束组的定性与定位解剖 | 第64页 |
·尺神经干的断层采样与染色 | 第64-65页 |
·功能束组的3D重建与显示 | 第65-66页 |
·单轮廓的层间3D贴面算法 | 第66-67页 |
·重建3D外表面的矢量场平滑 | 第67页 |
·基于对象的多轮廓复合显示 | 第67-68页 |
·3D绘制与光照模型 | 第68-69页 |
·实验结果 | 第69-70页 |
·讨论与分析 | 第70-72页 |
第8章 矢量场平滑及其在医学体数据场3D表面重建中的应用 | 第72-82页 |
·Banach空间上的矢量场平滑思想 | 第73页 |
·一种三维Euclid空间上的星形矢量场平滑方法 | 第73-77页 |
·轮廓线重建矢量场平滑结果 | 第77页 |
·移动立方体重建矢量场平滑结果 | 第77-79页 |
·矢量场平滑在临床DICOM图象3D重建中的应用结果 | 第79页 |
·讨论与分析 | 第79-82页 |
第9章 本文工作总结 | 第82-86页 |
·本文主要工作 | 第82-84页 |
·本文工作的主要创新点 | 第84-86页 |
参考文献 | 第86-98页 |
攻读博士学位期间已发表与录用的论文 | 第98-99页 |
致谢 | 第99页 |