| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题的选取及研究意义 | 第9-10页 |
| 1.2 相关理论研究的发展和现状 | 第10-12页 |
| 1.2.1 机器学习理论的内容和发展 | 第10-11页 |
| 1.2.2 核磁共振图像分割技术的内容和发展 | 第11-12页 |
| 1.3 核磁共振图像的复杂性和多样性 | 第12-15页 |
| 1.3.1 核磁共振图像的模糊性 | 第13页 |
| 1.3.2 核磁共振图像分割的局限性 | 第13-15页 |
| 1.4 本文结果安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 核磁共振图像分割理论 | 第17-26页 |
| 2.1 图像分割的基本概念 | 第17-18页 |
| 2.2 传统的核磁共振图像分割方法 | 第18-22页 |
| 2.2.1 基于阈值的分割方法 | 第18-20页 |
| 2.2.2 基于区域生长法的分割算法 | 第20-21页 |
| 2.2.3 基于边缘检测的分割方法 | 第21-22页 |
| 2.3 现代的核磁共振图像分割方法 | 第22-24页 |
| 2.3.1 基于统计学的分割方法 | 第22页 |
| 2.3.2 基于模糊理论的分割方法 | 第22页 |
| 2.3.3 基于小波变换的分割方法 | 第22-24页 |
| 2.3.4 基于知识理论体系的分割方法 | 第24页 |
| 2.4 核磁共振图像分割效果评价 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 模糊聚类基本理论 | 第26-31页 |
| 3.1 模糊理论基础 | 第26-27页 |
| 3.1.1 经典的集合模型 | 第26页 |
| 3.1.2 模糊集合理论模型 | 第26-27页 |
| 3.2 聚类分析的基本理论 | 第27-30页 |
| 3.2.1 聚类分析的概念 | 第27-28页 |
| 3.2.2 聚类分析的分类 | 第28-30页 |
| 3.3 聚类分析的度量标准 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 半监督FCM算法的研究与应用 | 第31-37页 |
| 4.1 模糊聚类基本理论 | 第31-33页 |
| 4.1.1 模糊聚类基本概念 | 第31页 |
| 4.1.2 模糊聚类的有效性研究 | 第31-32页 |
| 4.1.3 模糊C均值聚类算法理论 | 第32-33页 |
| 4.2 半监督FCM算法及应用 | 第33-36页 |
| 4.2.1 半监督学习理论 | 第33页 |
| 4.2.2 半监督FCM算法 | 第33-35页 |
| 4.2.3 实验结果及分析 | 第35-36页 |
| 4.3 本章小结 | 第36-37页 |
| 5 一种新颖的半监督算法在MRI图像分割中的应用 | 第37-48页 |
| 5.1 新颖的半监督算法原理 | 第37-38页 |
| 5.2 新颖的半监督算法步骤 | 第38-39页 |
| 5.3 实验结果与分析 | 第39-47页 |
| 5.3.1 新颖算法对噪声比例不同的MRI图像进行分割 | 第40-42页 |
| 5.3.2 新颖半监督算法对噪声比例不同的MRI图像进行分割 | 第42-47页 |
| 5.4 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 附录A 改进的算法分割医学图像的源代码 | 第52-58页 |
| 致谢 | 第58-59页 |