基于乳腺动态增强MRI的分解与配准
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 DCE-MRI配准 | 第11-13页 |
| 1.2.2 图像分解 | 第13-14页 |
| 1.2.3 基于TIC的分类识别 | 第14-15页 |
| 1.3 本文的主要内容和创新点 | 第15-17页 |
| 2 图像分解、配准和基于TIC分类的基础理论 | 第17-24页 |
| 2.1 基于光流变分模型的图像配准 | 第17-21页 |
| 2.1.1 HS光流变分模型 | 第17-18页 |
| 2.1.2 Sun光流变分模型 | 第18-20页 |
| 2.1.3 配准评价标准 | 第20-21页 |
| 2.2 ROF图像分解模型 | 第21-22页 |
| 2.3 基于TIC的特征提取与分类性能评价 | 第22-24页 |
| 2.3.1 特征提取 | 第22-23页 |
| 2.3.2 特征的分类性能评价 | 第23-24页 |
| 3 DCE-MRI分解模型 | 第24-42页 |
| 3.1 数据特征 | 第24页 |
| 3.2 位移量化评价 | 第24-28页 |
| 3.3 DC-TV算法描述 | 第28-34页 |
| 3.3.1 DC-TV分解模型 | 第28-32页 |
| 3.3.2 DCE-MRI分解流程 | 第32-34页 |
| 3.4 实验结果与分析 | 第34-40页 |
| 3.4.1 DCE-MRI分解结果 | 第35-37页 |
| 3.4.2 基于TIC的分类识别 | 第37-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 乳腺DCE-MRI配准 | 第42-57页 |
| 4.1 实验数据 | 第42页 |
| 4.2 算法描述 | 第42-47页 |
| 4.2.1 分解模型 | 第43页 |
| 4.2.2 DCE-MRI配准流程 | 第43-47页 |
| 4.3 实验结果与分析 | 第47-56页 |
| 4.3.1 DCE-MRI分解结果 | 第47-49页 |
| 4.3.2 DCE-MRI配准结果 | 第49-52页 |
| 4.3.3 基于TIC的分类识别 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
