基于多幅乳腺钼靶X线图像配准方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 乳腺计算机辅助诊断研究现状 | 第11-15页 |
| 1.2.1 乳腺图像中肿块检测研究现状 | 第12-14页 |
| 1.2.2 乳腺图像配准研究现状 | 第14页 |
| 1.2.3 图像融合研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 第2章 乳腺肿块检测及图像配准方法概述 | 第16-40页 |
| 2.1 引言 | 第16页 |
| 2.2 图像分割技术 | 第16-27页 |
| 2.2.1 基于区域的分割技术 | 第17-19页 |
| 2.2.2 基于边缘的分割技术 | 第19-24页 |
| 2.2.3 基于特定理论的分割技术 | 第24-27页 |
| 2.3 特征提取与分类技术 | 第27-31页 |
| 2.3.1 特征提取技术 | 第27-28页 |
| 2.3.2 分类器技术 | 第28-31页 |
| 2.4 图像配准方法定义 | 第31-32页 |
| 2.6 医学图像配准分类 | 第32-37页 |
| 2.6.1 根据特征分类 | 第32-33页 |
| 2.6.5 根据空间变换的方法分类 | 第33-37页 |
| 2.7 互信息概述 | 第37-38页 |
| 2.7.1 熵和信息论 | 第37-38页 |
| 2.7.2 互信息 | 第38页 |
| 2.8 图像融合概述 | 第38-39页 |
| 2.8.1 图像融合定义 | 第38-39页 |
| 2.8.2 图像融合算法分类 | 第39页 |
| 2.9 本章小结 | 第39-40页 |
| 第3章 乳腺肿块检测方法研究 | 第40-54页 |
| 3.1 引言 | 第40页 |
| 3.2 乳腺肿块检测算法流程 | 第40-41页 |
| 3.3 改进的动态规划分割方法 | 第41-46页 |
| 3.3.1 粗略分割乳腺肿块 | 第41-43页 |
| 3.3.2 提取感兴趣区域 | 第43页 |
| 3.3.3 计算局部代价矩阵 | 第43-45页 |
| 3.3.4 计算累积代价矩阵 | 第45-46页 |
| 3.3.5 得到肿块轮廓 | 第46页 |
| 3.4 肿块识别 | 第46-50页 |
| 3.4.1 特征提取 | 第46-49页 |
| 3.4.2 SVM分类器肿块识别 | 第49-50页 |
| 3.5 实验结果与讨论 | 第50-53页 |
| 3.5.1 分割实验数据 | 第50页 |
| 3.5.2 分割结果与分析 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 利用层次B样条正则化的图像配准研究 | 第54-68页 |
| 4.1 引言 | 第54页 |
| 4.2 乳腺图像配准算法流程 | 第54-55页 |
| 4.3 拓扑保持的弹性配准算法研究 | 第55-67页 |
| 4.3.0 提取乳腺轮廓 | 第55页 |
| 4.3.1 基于区域相似性的标记点提取方法 | 第55-57页 |
| 4.3.2 图像拓扑保持重要性 | 第57-59页 |
| 4.3.3 基于局部互相关系数的图像配准 | 第59-60页 |
| 4.3.4 基于局部互相关系数的图像配准存在问题 | 第60-61页 |
| 4.3.5 使用层次B样条进行正则化 | 第61-62页 |
| 4.3.6 图像融合 | 第62页 |
| 4.3.7 实验结果与讨论 | 第62-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 本文工作总结 | 第68页 |
| 5.2 未来工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
