| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究的背景和意义 | 第8-9页 |
| ·超声医学图像 | 第9-13页 |
| ·超声成像技术 | 第9-11页 |
| ·超声成像的诊断类型 | 第11-13页 |
| ·医学图像的分割技术 | 第13-16页 |
| ·医学图像分割的概念 | 第13页 |
| ·阈值分割技术 | 第13-14页 |
| ·基于边界的分割技术 | 第14页 |
| ·区域增长技术 | 第14-15页 |
| ·聚类分割技术 | 第15页 |
| ·神经网络分割方法 | 第15页 |
| ·基于模型或形变模型的分割技术 | 第15-16页 |
| ·论文的主要工作、结构及创新点 | 第16-17页 |
| 第二章 活动轮廓模型 | 第17-25页 |
| ·参数活动轮廓模型 | 第17-20页 |
| ·几何活动轮廓模型 | 第20-24页 |
| ·水平集的几何活动轮廓模型 | 第20-22页 |
| ·二进制拟合能量的活动轮廓模型 | 第22-23页 |
| ·无边界的活动轮廓模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于模糊C均值聚类能量最小化的活动轮廓模型的超声图像分割 | 第25-39页 |
| ·分割算法提出的背景 | 第25-26页 |
| ·基于模糊C均值聚类能量最小化的活动轮廓模型 | 第26-30页 |
| ·模糊C均值聚类 | 第26-27页 |
| ·局部二进制拟合能量(LBF)模型 | 第27-28页 |
| ·水平集方程 | 第28页 |
| ·模糊C均值聚类能量最小化的活动轮廓模型 | 第28-29页 |
| ·数值逼近 | 第29-30页 |
| ·分割算法流程 | 第30-31页 |
| ·实验结果及性能比较 | 第31-38页 |
| ·人工合成图像 | 第31-32页 |
| ·真实的超声图像比较 | 第32-34页 |
| ·评价指标 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于方差能量最小化的活动轮廓的超声图像分割 | 第39-57页 |
| ·研究背景介绍 | 第39-40页 |
| ·分割模型 | 第40-43页 |
| ·分割流程 | 第43页 |
| ·实验结果 | 第43-56页 |
| ·人工合成图像分割 | 第43-45页 |
| ·与医生手工分割结果进行精确度比较 | 第45-50页 |
| ·真实超声图像分割 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| ·本文总结 | 第57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |