肝脏CT图像分割并行处理方法的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要工作与章节结构 | 第11-13页 |
| 2 相关工作及其原理概述 | 第13-23页 |
| 2.1 CT图像及加窗技术 | 第13-15页 |
| 2.2 常用的肝脏图像分割方法 | 第15-17页 |
| 2.3 SOM神经网络基本原理 | 第17-18页 |
| 2.4 矢量量化的基本原理 | 第18-19页 |
| 2.5 GPU与CUDA概述 | 第19-23页 |
| 3 基于矢量量化与空域分割的肝脏分割方法 | 第23-48页 |
| 3.1 基于矢量量化的整体分割方案 | 第23-25页 |
| 3.2 边缘模式与非边缘模式检测的并行算法设计 | 第25-33页 |
| 3.2.1 小波边缘检测的并行算法设计 | 第26-28页 |
| 3.2.2 阈值计算的并行算法设计 | 第28-30页 |
| 3.2.3 模式分类的并行算法设计 | 第30-32页 |
| 3.2.4 算法的并行性分析 | 第32-33页 |
| 3.3 SOM神经网络训练的并行算法设计 | 第33-37页 |
| 3.4 各模式矢量量化的并行算法设计 | 第37-40页 |
| 3.4.1 非边缘矢量量化的并行算法设计 | 第37-38页 |
| 3.4.2 边缘矢量量化的并行算法设计 | 第38-39页 |
| 3.4.3 算法的并行性分析 | 第39-40页 |
| 3.5 基于空域分割的并行分割方法 | 第40-46页 |
| 3.5.1 图像空域分割方法 | 第40-43页 |
| 3.5.2 空域分割的并行算法设计 | 第43-45页 |
| 3.5.3 算法的并行性分析 | 第45-46页 |
| 3.6 肝脏CT序列图片的整体分割流程 | 第46-48页 |
| 4 实验结果举例与分析 | 第48-58页 |
| 4.1 实验数据 | 第48-49页 |
| 4.2 分割结果的评价方法 | 第49-50页 |
| 4.3 肝脏CT序列的并行分割实验 | 第50-56页 |
| 4.3.1 肝脏分割准确性的实验举例与分析 | 第50-54页 |
| 4.3.2 并行分割效率的实验分析 | 第54-56页 |
| 4.4 实验结果对比分析 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
