基于语义模型的医学图像配准
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 医学图像配准的概念 | 第14页 |
| 1.2 课题的研究背景 | 第14-15页 |
| 1.3 医学图像配准的发展 | 第15-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 基础理论及相关研究 | 第18-36页 |
| 2.1 图像配准基础 | 第18-19页 |
| 2.2 图像配准的框架 | 第19-21页 |
| 2.3 特征检测 | 第21-22页 |
| 2.4 特征匹配 | 第22-26页 |
| 2.4.1 基于区域的方法 | 第22-25页 |
| 2.4.2 基于特征的方法 | 第25-26页 |
| 2.5 变换模型估计 | 第26-31页 |
| 2.5.1 变换模型 | 第26-29页 |
| 2.5.2 优化方法 | 第29-31页 |
| 2.6 其他关键问题 | 第31-34页 |
| 2.6.1 插值方法 | 第31-33页 |
| 2.6.2 配准评估 | 第33-34页 |
| 2.7 本章小结 | 第34-36页 |
| 第三章 一种新的医学图像配准分类方法 | 第36-52页 |
| 3.1 传统的分类方法 | 第36-43页 |
| 3.1.1 维度 | 第37-39页 |
| 3.1.2 配准的基础 | 第39-40页 |
| 3.1.3 变换的特点和范围 | 第40-41页 |
| 3.1.4 交互 | 第41-42页 |
| 3.1.5 优化方法 | 第42页 |
| 3.1.6 模态 | 第42页 |
| 3.1.7 主体 | 第42-43页 |
| 3.1.8 部位 | 第43页 |
| 3.2 一种新的分类方法 | 第43-50页 |
| 3.2.1 基于像素信息的方法 | 第43-45页 |
| 3.2.2 基于特征的方法 | 第45-49页 |
| 3.2.3 基于语义信息的方法 | 第49-50页 |
| 3.3 本章小结 | 第50-52页 |
| 第四章 基于语义模型的图像分类 | 第52-70页 |
| 4.1 词包的理论基础 | 第52-53页 |
| 4.2 视觉词包 | 第53-55页 |
| 4.3 方向性视觉词包 | 第55-56页 |
| 4.4 基于视觉词包的图像分类 | 第56-57页 |
| 4.5 算法实现和实验 | 第57-65页 |
| 4.5.1 特征提取 | 第57-59页 |
| 4.5.2 词典构建 | 第59-61页 |
| 4.5.3 SVM分类 | 第61-65页 |
| 4.6 本章小结 | 第65-70页 |
| 第五章 基于语义模型的医学图像配准 | 第70-82页 |
| 5.1 概述 | 第70-71页 |
| 5.2 算法设计 | 第71页 |
| 5.3 基于方向性视觉词包的超声图像配准 | 第71-80页 |
| 5.3.1 训练 | 第71-75页 |
| 5.3.2 搜索 | 第75-76页 |
| 5.3.3 聚类 | 第76页 |
| 5.3.4 配准 | 第76-80页 |
| 5.4 本章小结 | 第80-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 攻读学位期间发表的学术论文目录 | 第92页 |
