基于MAS的医学图像分割算法的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·问题的提出 | 第11-12页 |
| ·课题研究的意义 | 第12页 |
| ·本文的工作和创新点 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 医学图像分割原理与方法 | 第14-26页 |
| ·医学图像分割原理 | 第14-15页 |
| ·医学图像分割方法分类 | 第15-24页 |
| ·基于区域的图像分割 | 第15-17页 |
| ·基于边缘的图像分割 | 第17-18页 |
| ·结合特定理论工具的方法 | 第18-24页 |
| ·分割算法的性能评价 | 第24-25页 |
| ·区域对比度 | 第24页 |
| ·区域内均匀度 | 第24-25页 |
| ·算法的收敛鲁棒性 | 第25页 |
| ·计算代价 | 第25页 |
| ·本章小节 | 第25-26页 |
| 第三章 多Agent理论的相关概述 | 第26-40页 |
| ·Agent和MAS的概念 | 第26-27页 |
| ·Agent的概念 | 第26-27页 |
| ·MAS的概念 | 第27页 |
| ·Agent和MAS体系结构 | 第27-32页 |
| ·Agent的体系结构 | 第27-29页 |
| ·MAS体系结构 | 第29-32页 |
| ·多Agent间的交互与协作 | 第32-36页 |
| ·多Agent间的协作 | 第32-34页 |
| ·MAS中Agent交互的概念 | 第34-35页 |
| ·Agent通信语言 | 第35-36页 |
| ·强化学习 | 第36-39页 |
| ·强化学习简介 | 第36-38页 |
| ·Q-学习 | 第38-39页 |
| ·本章小节 | 第39-40页 |
| 第四章 不规则金字塔算法的改进 | 第40-51页 |
| ·不规则金字塔算法基本思想 | 第40页 |
| ·不规则金字塔算法的工作原理 | 第40-41页 |
| ·动态协作金字塔模型(DCPM) | 第41-50页 |
| ·多Agent强化学习 | 第42-44页 |
| ·基于对策论的多Agent强化学习 | 第44-45页 |
| ·基于协作的多Agent强化学习算法 | 第45-47页 |
| ·区域Agent和边界Agent的结构 | 第47-48页 |
| ·动态协作金字塔中知识库的设计 | 第48-49页 |
| ·动态协作金字塔中Agent间的通信 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于MAS医学图像分割算法的设计与实现 | 第51-57页 |
| ·动态协作金字塔模型的工作原理 | 第51-55页 |
| ·区域Agent和边界Agent的计算模型 | 第51-53页 |
| ·Agent的行为 | 第53-55页 |
| ·基于MAS的医学图像分割算法 | 第55-56页 |
| ·本章小节 | 第56-57页 |
| 第六章 基于MAS医学图像分割算法的应用 | 第57-64页 |
| ·左心室磁共振成像(MRI)分割实验 | 第57-60页 |
| ·左心室MRI简介 | 第57-58页 |
| ·左心室MRI分割 | 第58-60页 |
| ·实验结果分析 | 第60-63页 |
| ·Agent组织分析 | 第60-61页 |
| ·Agent交互的分析 | 第61-62页 |
| ·计算的复杂度 | 第62-63页 |
| ·本章小节 | 第63-64页 |
| 第七章 结论与展望 | 第64-66页 |
| ·工作总结 | 第64-65页 |
| ·下一步工作展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 发表论文和主持课题情况 | 第70页 |
