| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·MR 图像分割的研究背景和意义 | 第9-10页 |
| ·医学图像分割的现状与发展趋势 | 第10-12页 |
| ·医学图像分割的定义 | 第12-13页 |
| ·脑部 MR 图像的特点与分割任务 | 第13-16页 |
| ·全文主要内容及结构 | 第16-18页 |
| 第二章 模糊 C 均值聚类算法简介 | 第18-26页 |
| ·聚类算法 | 第18-19页 |
| ·K 均值算法 | 第19-20页 |
| ·模糊 C 均值聚类算法 | 第20-23页 |
| ·模糊 C 均值算法在医学图像分割上的优缺点 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 模糊局部信息 C 均值算法解析 | 第26-31页 |
| ·引言 | 第26-27页 |
| ·模糊局部信息 C 均值算法（FLICM） | 第27-30页 |
| ·算法介绍 | 第27-29页 |
| ·带有惩罚项的 FCM 改进算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于核函数的增强模糊 C 均值算法设计 | 第31-48页 |
| ·核函数方法的基本理论 | 第31-33页 |
| ·结合空间信息的模糊核聚类算法（SKFCM） | 第33-35页 |
| ·基于核函数的增强模糊 C 均值算法设计 | 第35-39页 |
| ·增强模糊 C 均值算法（EnFCM） | 第35-37页 |
| ·基于核函数的增强模糊 C 均值算法（KEnFCM） | 第37-39页 |
| ·实验结果与分析 | 第39-47页 |
| ·医学图像分割算法的评价方法 | 第39-41页 |
| ·对人工合成图的仿真实验 | 第41-43页 |
| ·对模拟脑部 MR 图像的仿真实验 | 第43-47页 |
| ·结论 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第五章 改进的加权模糊 C 均值聚类算法设计 | 第48-58页 |
| ·引言 | 第48-49页 |
| ·二维直方图原理 | 第49-50页 |
| ·结合二维灰度直方图的加权模糊 C 均值算法（2DWFCM） | 第50-52页 |
| ·结合二维灰度直方图的加权核模糊 C 均值算法（2DWKFCM） | 第52-53页 |
| ·实验结果与分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |
