| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·课题研究的背景和意义 | 第8页 |
| ·DTI图像分割的研究现状 | 第8-9页 |
| ·研究目标及主要研究工作 | 第9-10页 |
| ·论文结构安排 | 第10页 |
| ·本章小结 | 第10-11页 |
| 第2章 DTI成像基础及其分割算法概述 | 第11-29页 |
| ·扩散张量成像原理 | 第11-12页 |
| ·核磁共振成像 | 第11-12页 |
| ·快速成像 | 第12页 |
| ·扩散加权成像 | 第12-14页 |
| ·扩散定律 | 第13页 |
| ·扩散与梯度场的关系 | 第13-14页 |
| ·DTI图像分割算法的研究现状 | 第14-28页 |
| ·基于阈值的分割方法 | 第15-18页 |
| ·直方图阈值的双峰法 | 第15-16页 |
| ·最大熵自动阈值法 | 第16-17页 |
| ·最大类间方差阈值分割法 | 第17-18页 |
| ·基于边缘检测的分割方法 | 第18-20页 |
| ·边缘检测原理 | 第18-20页 |
| ·基于常用算子的实验结果 | 第20页 |
| ·基于区域的分割方法 | 第20-22页 |
| ·区域生长法 | 第21页 |
| ·分裂-合并分割法 | 第21-22页 |
| ·基于模式识别的方法 | 第22-23页 |
| ·分类器 | 第22-23页 |
| ·聚类算法 | 第23页 |
| ·基于图割的方法 | 第23-24页 |
| ·基于水平集的方法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于新形态学梯度参数的DTI图像分割算法研究 | 第29-40页 |
| ·扩散张量及其各向异性量 | 第29-32页 |
| ·扩散张量 | 第29-31页 |
| ·扩散各向异性量 | 第31-32页 |
| ·张量形态学梯度的计算 | 第32-35页 |
| ·张量的相似性梯度 | 第32-34页 |
| ·扩散各向异性参数梯度 | 第34-35页 |
| ·基于控制标记的分水岭分割算法 | 第35-36页 |
| ·实验结果及其分析 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于k-medoids聚类的DTI图像分割算法的研究 | 第40-49页 |
| ·k-medoids与k-means聚类的区别 | 第40-41页 |
| ·传统k-medoids聚类算法 | 第41-42页 |
| ·改进的k-medoids聚类算法 | 第42-44页 |
| ·初始聚类中心优化算法 | 第42页 |
| ·结合聚类中心优化的分割算法 | 第42-44页 |
| ·实验结果及分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 DTI图像的纤维追踪与可视化 | 第49-59页 |
| ·基于张量域的算法 | 第49-51页 |
| ·基本原理 | 第49-51页 |
| ·算法的优缺点 | 第51页 |
| ·流线跟踪法 | 第51-52页 |
| ·张量弯曲跟踪法 | 第52-53页 |
| ·张量线跟踪法 | 第53-54页 |
| ·实验结果及分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| ·全文总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |