| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| ·引言 | 第12-13页 |
| ·脑部MR图像简介 | 第13-14页 |
| ·脑部MR图像的分割 | 第14-15页 |
| ·医学图像分割的目的及意义 | 第15页 |
| ·本文的结构 | 第15-16页 |
| ·本文的主要研究工作及创新点 | 第16-17页 |
| 第二章 医学图像分割简介 | 第17-28页 |
| ·图像分割的定义 | 第17-18页 |
| ·图像分割的目的及意义 | 第18-19页 |
| ·医学图像分割算法分类 | 第19-25页 |
| ·经典的分割法 | 第19-21页 |
| ·基于统计学的分割方法 | 第21页 |
| ·人工神经网络分割算法 | 第21-22页 |
| ·基于形变模型的分割算法 | 第22-23页 |
| ·基于模糊集理论的分割方法 | 第23页 |
| ·其它方法 | 第23-25页 |
| ·医学图像分割方法性能评价 | 第25-28页 |
| 第三章 基于模糊C-均值聚类的图像分割方法 | 第28-44页 |
| ·引言 | 第28页 |
| ·模糊理论基础 | 第28-31页 |
| ·概述 | 第28-29页 |
| ·模糊集合 | 第29-30页 |
| ·模糊隶属度 | 第30-31页 |
| ·模糊聚类分析 | 第31-35页 |
| ·硬C-均值聚类算法(Hard C-Means,HCM) | 第31-32页 |
| ·模糊C-均值聚类算法 | 第32-35页 |
| ·模糊C-均值聚类图像分割算法 | 第35-36页 |
| ·模糊C-均值聚类算法的相关研究 | 第36-39页 |
| ·模糊C-均值常见的几类改进算法 | 第39-43页 |
| ·改变隶属度的约束条件 | 第39-40页 |
| ·增加空间信息的约束项 | 第40-42页 |
| ·引入核函数 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第四章 结合了空间信息的均值模糊C-均值算法 | 第44-54页 |
| ·多发性硬化症简介 | 第44-46页 |
| ·利用空间信息的FCM(MEAN SPATIAL FCM,MFCM)聚类算法 | 第46-47页 |
| ·MFCM聚类算法的执行步骤 | 第47页 |
| ·MFCM分割算法在多发性硬化症中的应用 | 第47-48页 |
| ·实验结果 | 第48-53页 |
| ·模拟脑部MR图像 | 第48-51页 |
| ·实际脑部MR图像 | 第51-53页 |
| ·实验结果分析 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| ·已完成工作与创新点 | 第54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-62页 |
| 攻读学位期间成果 | 第62-63页 |
| 致谢 | 第63-65页 |
| 论文统计学证明 | 第65页 |