| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 医学影像技术 | 第12-13页 |
| 1.2.2 显著性技术研究现状 | 第13-14页 |
| 1.2.3 图像分割方法研究现状 | 第14-16页 |
| 1.3 课题研究意义 | 第16-17页 |
| 1.4 课题的来源及研究内容 | 第17-18页 |
| 1.4.1 课题来源 | 第17页 |
| 1.4.2 课题主要研究内容 | 第17-18页 |
| 第2章 相关技术概述 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 PET图像成像原理 | 第18-19页 |
| 2.3 ITTI视觉显著模型 | 第19-20页 |
| 2.4 图像分割算法 | 第20-24页 |
| 2.4.1 Grab Cut图像分割算法 | 第20-22页 |
| 2.4.2 Snake图像分割算法 | 第22-23页 |
| 2.4.3 CA-GRABCUT图像分割算法 | 第23-24页 |
| 2.5 医学图像分割算法评价测度 | 第24-25页 |
| 2.6 医学图像分割算法研究内容 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 基于视觉显著模型的PET图像分割算法 | 第27-38页 |
| 3.1 引言 | 第27-30页 |
| 3.1.1 传统ITTI视觉显著模型的不足 | 第27-28页 |
| 3.1.2 传统Grab Cut图像分割算法的不足 | 第28-29页 |
| 3.1.3 本文融合图像分割算法的引出 | 第29-30页 |
| 3.2 算法架构模型 | 第30-31页 |
| 3.3 视觉显著模型 | 第31-34页 |
| 3.3.1 改进的ITTI视觉显著模型 | 第31-32页 |
| 3.3.2 视觉显著模型处理过程 | 第32-34页 |
| 3.4 图像过渡处理 | 第34-35页 |
| 3.5 图像分割处理 | 第35-36页 |
| 3.5.1 改进的Grab Cut图像分割算法 | 第35页 |
| 3.5.2 图像分割处理过程 | 第35-36页 |
| 3.6 算法总体流程 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 肺癌PET图像分割实验 | 第38-53页 |
| 4.1 引言 | 第38页 |
| 4.2 图像分割准备 | 第38-40页 |
| 4.2.1 肺癌PET图像的获取 | 第38-40页 |
| 4.2.2 实验环境 | 第40页 |
| 4.2.3 肺癌PET图像分割程序 | 第40页 |
| 4.3 图像分割结果评价指标 | 第40-42页 |
| 4.4 仿真实验 | 第42-46页 |
| 4.4.1 获取肺癌PET图像显著图 | 第42-44页 |
| 4.4.2 显著图过渡区域划分 | 第44-45页 |
| 4.4.3 图像分割 | 第45-46页 |
| 4.5 实验结果分析 | 第46-52页 |
| 4.5.1 示例图像分割结果 | 第46-50页 |
| 4.5.2 样本图像分割结果 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |