| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·医学图像分割的目的和意义 | 第7-9页 |
| ·图像分割的概念 | 第7-8页 |
| ·医学图像分割的意义 | 第8-9页 |
| ·医学图像分割的方法 | 第9-12页 |
| ·经典的分割方法 | 第9-11页 |
| ·基于统计学的分割方法 | 第11页 |
| ·人工神经网络分割算法 | 第11页 |
| ·基于形变模型的方法 | 第11-12页 |
| ·基于模糊集理论的分割方法 | 第12页 |
| ·其他分割方法 | 第12页 |
| ·医学图像分割的研究现状及发展趋势 | 第12-13页 |
| ·医学图像处理的难点 | 第13-14页 |
| ·本文的主要内容及基本框架 | 第14-15页 |
| 第二章 核磁共振成像 | 第15-21页 |
| ·核磁共振成像原理简介 | 第15-17页 |
| ·脑部 MR 图像分割 | 第17页 |
| ·脑部 MR 图像分割方法的性能评价 | 第17-21页 |
| 第三章 模糊 C 均值算法及其改进算法 | 第21-41页 |
| ·模糊聚类基础知识概述 | 第21-22页 |
| ·传统的模糊 C 均值算法 | 第22-24页 |
| ·算法简介 | 第22-23页 |
| ·算法的缺陷 | 第23-24页 |
| ·利用灰度直方图的快速模糊 C 均值算法 | 第24-26页 |
| ·基于核函数的模糊聚类 C 均值算法 | 第26-32页 |
| ·核方法简介 | 第26-29页 |
| ·基于核函数的模糊 C 均值算法 | 第29-30页 |
| ·仿真结果与分析 | 第30-32页 |
| ·基于马氏距离的模糊 C 均值算法 | 第32-35页 |
| ·马氏距离的基本原理 | 第32-33页 |
| ·基于马氏距离的模糊 C 均值算法 | 第33-34页 |
| ·仿真结果与分析 | 第34-35页 |
| ·加入空间约束的 FCM-AHMED 方法 | 第35-39页 |
| ·算法简介 | 第36-37页 |
| ·仿真结果及分析 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于隶属度平滑的模糊 C 均值 MR 脑部图像分割 | 第41-51页 |
| ·概述 | 第41-42页 |
| ·基于隶属度平滑的模糊 C 均值算法及其改进算法 | 第42-43页 |
| ·基于隶属度平滑的模糊 C 均值算法 | 第42页 |
| ·改进的基于隶属度平滑的模糊 C 均值算法 | 第42-43页 |
| ·合理利用空间信息的模糊 C 均值 MR 脑部图像分割 | 第43-45页 |
| ·仿真结果与分析 | 第45-48页 |
| ·仿真结果 | 第45-48页 |
| ·结果分析 | 第48页 |
| ·小结 | 第48-51页 |
| 第五章 广义空间信息的模糊 C 均值 MR 脑部图像分割 | 第51-59页 |
| ·前言 | 第51页 |
| ·算法介绍 | 第51-54页 |
| ·仿真结果及分析 | 第54-57页 |
| ·小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·全文工作总结 | 第59-60页 |
| ·论文工作展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 研究生期间参加科研及发表论文情况 | 第69-70页 |
