| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 前言 | 第12-24页 |
| ·背景 | 第12-15页 |
| ·内窥镜技术的发展 | 第12-13页 |
| ·虚拟内窥镜系统的发展及其应用 | 第13-15页 |
| ·虚拟血管内窥系统的主要技术组成 | 第15-20页 |
| ·虚拟血管镜的处理过程 | 第15-20页 |
| ·虚拟血管镜技术研究重难点 | 第20-21页 |
| ·论文研究内容、主要工作和篇章安排 | 第21-24页 |
| 第二章 虚拟血管镜系统中的图像分割 | 第24-31页 |
| ·三维图像组织分割概述 | 第24-26页 |
| ·三维图像组织分割的研究现状 | 第24-25页 |
| ·三维图像组织分割算法分类及比较 | 第25-26页 |
| ·基于二值化和分支检测方法的快速血管组织分割方法 | 第26-30页 |
| ·三维图像二值化 | 第26-27页 |
| ·三维基于种子点的分支检测方法 | 第27-28页 |
| ·算法流程描述 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 虚拟血管镜系统中的路径规划 | 第31-50页 |
| ·主要路径规划方法简介 | 第31-36页 |
| ·细化算法 | 第33-34页 |
| ·距离变换算法 | 第34-35页 |
| ·基于表面体素提取算法 | 第35页 |
| ·手工定点生成方法 | 第35-36页 |
| ·六方向拓扑细化算法 | 第36-43页 |
| ·细化算法概述 | 第36-37页 |
| ·六方向拓扑细化算法 | 第37-39页 |
| ·对细化算法所获得的中心线结果的修正 | 第39-42页 |
| ·改进点：对血管体素进行压缩裁剪以提高效率 | 第42-43页 |
| ·基于血管表面体素的中心线算法 | 第43-46页 |
| ·导航路径生成 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 虚拟血管镜系统中的场景绘制 | 第50-59页 |
| ·面绘制技术 | 第51-53页 |
| ·基于Marching-Cube 算法的面抽取 | 第51-53页 |
| ·直接体绘制及其加速算法 | 第53-57页 |
| ·体绘制方法一般过程 | 第54-56页 |
| ·基于GPU 的光线投射的加速技术 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 本论文实现的虚拟血管镜系统 | 第59-64页 |
| ·系统平台和运行环境 | 第59页 |
| ·论文所实现的虚拟血管镜系统概述 | 第59-61页 |
| ·虚拟导航过程 | 第61-63页 |
| ·制定虚拟镜头行进路径 | 第61页 |
| ·血管内窥导航过程 | 第61-62页 |
| ·切片的动态控制 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 有关实验 | 第64-71页 |
| ·实验环境 | 第64页 |
| ·实验内容及结果 | 第64-71页 |
| ·脑部血管数据的二值化分割效果 | 第64-65页 |
| ·测试血管数据裁剪压缩后，细化算法效率的提高 | 第65页 |
| ·比较拓扑细化算法和基于表面体素提取中心线算法的效率 | 第65-67页 |
| ·测试六方向细化算法后续修正处理的时间效率和精度效果 | 第67-68页 |
| ·利用Marching-Cube 算法生成血管表面的效果 | 第68-69页 |
| ·验证GPU 加速算法在体绘制方面与传统算法的比较 | 第69-71页 |
| 第七章 全文总结 | 第71-74页 |
| ·主要结论和本文贡献 | 第71-72页 |
| ·研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78页 |
