首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

脑核磁共振图像分割技术研究

摘要第1-8页
Abstract第8-17页
1 绪论第17-28页
   ·引言第17-18页
   ·成人和新生儿脑MR图像分割难点第18-19页
   ·国内外脑MR图像分割方法综述第19-25页
     ·基于像素的方法第19-20页
     ·基于活动轮廓的方法第20-23页
     ·主动表观模型第23-24页
     ·基于图论的分割方法第24-25页
   ·课题来源第25页
   ·本文的主要研究工作和内容安排第25-26页
   ·本文工作的创新点第26-28页
2 基于多相位局部均值的脑MR图像分割模型第28-41页
   ·引言第28-30页
   ·背景介绍第30-32页
     ·自适应脑MR数据分割模型第30-31页
     ·Chan-Vese模型第31页
     ·Local binary fitting模型第31-32页
   ·多相位局部均值脑MR图像分割模型第32-33页
   ·模型求解与算法实现第33-35页
   ·实验结果与分析第35-38页
     ·定性和定量比较第35-38页
   ·本章小结第38-41页
3 基于局部信息和全局信息的脑MR图像分割模型第41-53页
   ·引言第41-42页
   ·Chan-Vese模型和LBF模型比较第42页
   ·基于全局拟合和局部拟合的图像分割模型第42-46页
     ·二相位形式下的能量模型第43-45页
     ·多相位形式下的能量模型第45-46页
   ·实验分析第46-51页
     ·脑核磁共振图像分割第48-50页
     ·定量比较第50-51页
   ·本章小结第51-53页
4 基于局部高斯概率的脑MR图像分割模型第53-77页
   ·引言第53-54页
   ·背景介绍第54-55页
     ·Mumford-Shah模型第54-55页
     ·Piecewise Smooth模型第55页
   ·局部高斯概率模型第55-58页
   ·水平集能量第58-63页
     ·二相位能量形式第58-62页
     ·多相位能量形式第62-63页
   ·算法流程第63页
   ·实验结果与分析第63-74页
     ·二相位实验结果与分析第63-68页
     ·多相位实验结果与分析第68-74页
     ·时间复杂度和参数选取第74页
   ·本章小结第74-77页
5 基于凸优化的脑MR图像分割模型第77-96页
   ·引言第77-78页
   ·基于凸优化的脑MR图像分割模型第78-83页
     ·凸优化技术第79-81页
     ·能量最小化第81-83页
   ·基于凸优化的脑MR图像分割框架第83-84页
   ·实验结果与分析第84-93页
     ·真实图像分割结果第84-86页
     ·实验结果的定量比较第86-87页
     ·三维脑数据实验结果与分析第87-89页
     ·7T图像去偏移场结果第89-91页
     ·和前文方法的综合比较第91-93页
   ·本章小结第93-96页
6 新生儿脑MR图像分割技术研究第96-108页
   ·引言第96-97页
   ·新生儿脑MR图像的分割难点第97-98页
   ·基于耦合的活动轮廓模型的新生儿脑MR图像分割方法第98-103页
     ·新生儿脑MR图像分割框架第98-99页
     ·基于凸优化的新生儿脑MR图像粗分割第99-100页
     ·Partial volume校正第100-101页
     ·基于耦合的水平集模型第101-103页
   ·实验结果与分析第103-106页
     ·人工合成图像实验结果第103-104页
     ·成人大脑图像分割结果与分析第104页
     ·新生儿大脑图像分割结果与分析第104-106页
   ·本章小结第106-108页
7 结束语第108-110页
   ·本文工作总结第108-109页
   ·将来的工作第109-110页
致谢第110-111页
参考文献第111-123页
附录第123-126页
 博士在读期间发表和录用的论文第123-125页
 参加的科研项目第125-126页
 博士在读期间获得的奖励第126页

论文共126页,点击 下载论文
上一篇:图像增强若干理论方法与应用研究
下一篇:自主式车辆环境感知技术研究--道路环境理解方法研究