基于神经网络的脑组织图像分割
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| CONTENTS | 第9-11页 |
| 第1章 绪论 | 第11-17页 |
| ·脑组织图像分割研究 | 第11-13页 |
| ·MR脑组织图像分割研究现状 | 第11-12页 |
| ·脑组织图像分割研究的意义 | 第12-13页 |
| ·临床实例 | 第13页 |
| ·本课题的研究工作 | 第13-14页 |
| ·本文的组织结构 | 第14-17页 |
| 第2章 神经网络的脑部磁共振图像分割方法 | 第17-31页 |
| ·神经网络技术简介 | 第17-20页 |
| ·人工神经网络的应用现状 | 第20-22页 |
| ·人工神经网络的发展前景 | 第22-23页 |
| ·脑部磁共振图像的神经网络分割算法研究 | 第23-26页 |
| ·前向神经网络 | 第23-24页 |
| ·反馈神经网络 | 第24-25页 |
| ·Kohonen网络 | 第25-26页 |
| ·其它类型的神经网络 | 第26页 |
| ·局部刺激全局抑制振荡网络模型 | 第26-27页 |
| ·实验结果及分析讨论 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 脑组织图像预分割 | 第31-37页 |
| ·预分割的目的 | 第31页 |
| ·预分割的实现 | 第31-34页 |
| ·基于区域生长法的半自动边界提取算法 | 第31-33页 |
| ·边界跟踪提取算法 | 第33-34页 |
| ·实验结果及分析讨论 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 改进的模糊自组织神经网络模型 | 第37-49页 |
| ·引言 | 第37-38页 |
| ·Kohonen神经网络 | 第38-42页 |
| ·Kohonen神经网络的提出 | 第38页 |
| ·Kohonen神经网络的拓扑结构 | 第38-41页 |
| ·Kohonen神经网络的学习算法 | 第41-42页 |
| ·模糊集合理论 | 第42-44页 |
| ·改进的模糊Kohonen自组织特征映射 | 第44-48页 |
| ·模糊Kohonen网络(FKCN)的结构和算法 | 第44-47页 |
| ·FKCN网络的改进(IFKCN) | 第47-48页 |
| ·隶属度计算函数调整 | 第47-48页 |
| ·修正系数调整 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第5章 改进后模型的性能分析及脑组织细分割应用 | 第49-59页 |
| ·引言 | 第49页 |
| ·网络性能测试分析 | 第49-52页 |
| ·网络的拓扑保持能力 | 第49-50页 |
| ·网络的收敛性 | 第50-52页 |
| ·改进后IFKCN网络模型关键参数研究 | 第52-55页 |
| ·输入矢量 | 第52-53页 |
| ·聚类个数 | 第53-55页 |
| ·模型改进前后分割结果比较 | 第55-56页 |
| ·本章小结 | 第56-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·论文的主要成果 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间的科研成果 | 第67页 |
