基于t混合模型的医学图像分割方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-20页 |
| ·、医学图像分割的背景和意义 | 第9-10页 |
| ·、核磁共振成像(MRI)技术 | 第10-15页 |
| ·、MRI的成像原理 | 第10-11页 |
| ·、两种弛豫时间:T1和T2 | 第11-12页 |
| ·、MRI的三种加权图像 | 第12-15页 |
| ·、MR脑部图像分割面临的困难 | 第15-16页 |
| ·、医学图像分割方法概述 | 第16-19页 |
| ·、本文的组织结构 | 第19-20页 |
| 第二章 基于t混合模型的医学图像分割 | 第20-42页 |
| ·、基于有限混合模型的聚类方法 | 第20页 |
| ·、贝叶斯决策论 | 第20-22页 |
| ·、有限混合模型与EM算法 | 第22-30页 |
| ·、有限混合模型的定义 | 第22-23页 |
| ·、有限混合模型的极大似然估计 | 第23-24页 |
| ·、有限混合模型的EM算法 | 第24-28页 |
| ·、有限混合模型的初始化 | 第28-29页 |
| ·、分量密度个数的估计 | 第29-30页 |
| ·、多元t混合模型与EM算法 | 第30-35页 |
| ·、多元t混合模型的定义 | 第30-33页 |
| ·、多元t混合模型的极大似然拟合 | 第33-35页 |
| ·、多元t混合模型的EM算法的初始化 | 第35页 |
| ·、基于有限混合模型的脑部MRI图像分割流程 | 第35-37页 |
| ·、图像源的选取 | 第35-36页 |
| ·、去除非脑部组织 | 第36页 |
| ·、非均匀场的校正 | 第36-37页 |
| ·、预处理 | 第37页 |
| ·、分割结果的评价 | 第37页 |
| ·、实验与分析 | 第37-41页 |
| ·、本章小结 | 第41-42页 |
| 第三章 基于混合模型和随机场的医学图像分割 | 第42-61页 |
| ·、随机场理论 | 第42页 |
| ·、Markov随机场理论 | 第42-46页 |
| ·、位置与标记问题 | 第42-43页 |
| ·、邻域系统与势团 | 第43-45页 |
| ·、Markov随机场的定义 | 第45-46页 |
| ·、Gibbs随机场理论 | 第46-47页 |
| ·、两种常用MRF随机场模型 | 第47-49页 |
| ·、自生模型 | 第47-48页 |
| ·、多层逻辑模型 | 第48-49页 |
| ·、MAP-MRF分类框架 | 第49-51页 |
| ·、将空间信息引入混合模型 | 第51-58页 |
| ·、引入空间信息后混合模型的一般形式 | 第52-54页 |
| ·、THMRF的EM算法 | 第54-55页 |
| ·、THMRF模型的随机场参数估计 | 第55-58页 |
| ·、实验与分析 | 第58-60页 |
| ·、本章小结 | 第60-61页 |
| 第四章 基于证据理论的医学图像分割 | 第61-77页 |
| ·、数据融合与不确定性推理 | 第61-62页 |
| ·贝叶斯推理方法 | 第61-62页 |
| ·证据理论 | 第62页 |
| ·、证据理论的基本理论 | 第62-67页 |
| ·、基本概率分配函数、信度函数和似然函数 | 第62-64页 |
| ·、Dempster合成法则 | 第64-67页 |
| ·、基于证据理论的医学图像分割 | 第67-71页 |
| ·、基于融合思想的图像分割的过程 | 第67-68页 |
| ·、多源图像的选取与构造 | 第68-69页 |
| ·、基本概率分配函数的构造 | 第69-71页 |
| ·、基于证据理论的决策规则 | 第71页 |
| ·、实验与分析 | 第71-76页 |
| ·、本章小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-80页 |
| ·本文工作总结 | 第77-78页 |
| ·未来的研究工作 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间发表的学术论文目录 | 第85页 |
| 攻读硕士学位期间所参加的科研项目 | 第85-86页 |
