面向三维重建的面神经脑干面医学图像血管分割算法的研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| CONTENT | 第11-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究的背景及意义 | 第13-14页 |
| 1.2 MRA简介 | 第14-17页 |
| 1.2.1 MRA成像原理简介 | 第14-15页 |
| 1.2.2 MRA优缺点 | 第15-16页 |
| 1.2.3 血管分割研究现状 | 第16-17页 |
| 1.3 本文研究的主要内容 | 第17-19页 |
| 1.3.1 研究的主要内容 | 第17页 |
| 1.3.2 本课题的创新点 | 第17-18页 |
| 1.3.3 各章节内容安排 | 第18-19页 |
| 第二章 图像聚类及脑干分割 | 第19-30页 |
| 2.1 模糊集 | 第19-21页 |
| 2.1.1 模糊集与模糊聚类 | 第19页 |
| 2.1.2 模糊C均值 | 第19-21页 |
| 2.2 图像聚类 | 第21-23页 |
| 2.2.1 灰度聚类 | 第21页 |
| 2.2.2 聚类分析 | 第21-23页 |
| 2.3 脑干分割 | 第23-29页 |
| 2.3.1 脑干分割的相关理论 | 第23-25页 |
| 2.3.2 脑干分割 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 分割脑干附近区域 | 第30-40页 |
| 3.1 串行技术 | 第30-31页 |
| 3.1.1 图像分割的串行技术 | 第30页 |
| 3.1.2 串行技术的特点 | 第30-31页 |
| 3.2 基于脑干的MRA图像一次分割 | 第31-39页 |
| 3.2.1 脑干白色图片膨胀 | 第32-34页 |
| 3.2.2 获取二值图像与差值 | 第34-37页 |
| 3.2.3 获取一次分割结果 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 水平集的研究 | 第40-54页 |
| 4.1 形变模型相关理论 | 第40-48页 |
| 4.1.1 参数活动轮廓模型 | 第41-44页 |
| 4.1.2 水平集和几何活动轮廓模型 | 第44-47页 |
| 4.1.3 形变模型的扩展形式 | 第47-48页 |
| 4.2 DR-CV模型 | 第48-51页 |
| 4.3 实验结果与分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 基于DR-CV模型的血管二次分割 | 第54-67页 |
| 5.1 实验图像来源及使用工具说明 | 第54页 |
| 5.2 血管二次分割 | 第54-58页 |
| 5.2.1 基于DR-CV模型的分割 | 第54-55页 |
| 5.2.2 血管的二次分割 | 第55-58页 |
| 5.3 医学图像分割评价 | 第58-61页 |
| 5.3.1 医学图像分割评价方法简介 | 第58-60页 |
| 5.3.2 金标准图像的获取 | 第60-61页 |
| 5.3.3 医学图像的分割精度分析 | 第61页 |
| 5.4 实验结果与分析 | 第61-65页 |
| 5.5 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表论文 | 第73-75页 |
| 致谢 | 第75页 |
