临床CT图像中肝脏肿瘤分割研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外医学图像分割相关问题 | 第11-13页 |
| 1.2.1 医学图像分割的国内外现状 | 第11-12页 |
| 1.2.2 肿瘤分割一些现有方法 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 2 临床肝脏图像的获取 | 第14-23页 |
| 2.1 CT 图象简介 | 第14-17页 |
| 2.1.1 CT 原理 | 第14-15页 |
| 2.1.2 腹部增强 CT | 第15-17页 |
| 2.2 MRI 图象简介 | 第17-19页 |
| 2.3 简介 DICOM 协议 | 第19-21页 |
| 2.3.1 DICOM 文件头 | 第20页 |
| 2.3.2 DICOM 数据集合 | 第20-21页 |
| 2.4 图像的读取与预处理 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 医学图像分割的基本方法 | 第23-36页 |
| 3.1 基于图论的图像分割方法 | 第24-27页 |
| 3.1.1 图的相关知识 | 第24-25页 |
| 3.1.2 基于图论的图像分割方法 | 第25-27页 |
| 3.2 基于活动轮廓的图像分割方法 | 第27-29页 |
| 3.2.1 参数活动轮廓模型介绍 | 第27-28页 |
| 3.2.2 参数活动轮廓模型（Snake 模型） | 第28-29页 |
| 3.3 基于区域生长图像分割方法 | 第29-32页 |
| 3.3.1 区域生长图像分割的原理 | 第29-31页 |
| 3.3.2 医学图像分割中采用的区域生长准则 | 第31-32页 |
| 3.4 基于数学形态学医学图像分割 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 基于核图割及水平集的肿瘤分割模型 | 第36-51页 |
| 4.1 基于核图割模型的粗分割 | 第36-45页 |
| 4.1.1 传统非监督多区域图割理论 | 第36-37页 |
| 4.1.2 核空间的图割模型 | 第37-40页 |
| 4.1.3 实验过程与结果分析 | 第40-45页 |
| 4.2 基于 LCV 水平集模型的精分割 | 第45-48页 |
| 4.2.1 传统水平集方法 | 第46页 |
| 4.2.2 LCV 模型水平集方法 | 第46-48页 |
| 4.2.3 水平集特点分析 | 第48页 |
| 4.3 实验与分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 工作总结及创新点 | 第51页 |
| 5.1.1 工作总结 | 第51页 |
| 5.1.2 本文创新点 | 第51页 |
| 5.2 对未来工作的展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
| A. 作者在攻读学位期间发表的论文目录 | 第57页 |
| B. 作者在攻读学位期间参与的科研成果目录 | 第57页 |
