中文摘要 | 第3-5页 |
Abstract | 第5-7页 |
缩略语表 | 第12-17页 |
第一章 绪论 | 第17-32页 |
1.1 研究背景及意义 | 第17-19页 |
1.2 短轴心脏核磁共振序列图像介绍 | 第19-20页 |
1.3 研究内容与发展现状 | 第20-27页 |
1.3.1 研究内容与难点 | 第20-22页 |
1.3.2 研究现状 | 第22-27页 |
1.4 实验数据库 | 第27-28页 |
1.5 论文主要工作及创新点 | 第28-30页 |
1.6 论文组织结构 | 第30-32页 |
第二章 感兴趣区域提取与左心室血池定位 | 第32-43页 |
2.1 相关图像处理基本知识介绍 | 第32-36页 |
2.1.1 图像直方图概念 | 第32-33页 |
2.1.2 图像对比度拉伸变换 | 第33页 |
2.1.3 高斯模糊 | 第33页 |
2.1.4 Otsu分割 | 第33-34页 |
2.1.5 形态学基本运算 | 第34-35页 |
2.1.6 图像极坐标变换 | 第35-36页 |
2.2 短轴CMR序列图像的时域、空域灰度分布特性 | 第36-38页 |
2.3 感兴趣区域自动提取 | 第38-39页 |
2.4 左心室血池自动定位 | 第39-40页 |
2.5 实验与分析 | 第40-42页 |
2.6 本章小结 | 第42-43页 |
第三章 基于图像驱动的LV内膜分割方法研究 | 第43-66页 |
3.1 传统算法及其局限性分析 | 第43-48页 |
3.1.1 基于Otsu算法的LV分割 | 第43-44页 |
3.1.2 基于GMM的LV分割 | 第44-45页 |
3.1.3 基于聚类分析的LV分割 | 第45-48页 |
3.2 基于SPCNN的LV内膜分割新方法 | 第48-54页 |
3.2.1 脉冲耦合神经网络模型 | 第48-50页 |
3.2.2 基于SPCNN的LV内膜粗分割 | 第50-53页 |
3.2.3 基于梯度极大值搜索的LV内膜细分割 | 第53-54页 |
3.3 实验与分析 | 第54-64页 |
3.3.1 实验设置与评价指标 | 第54-55页 |
3.3.2 实验结果与分析 | 第55-63页 |
3.3.3 讨论 | 第63-64页 |
3.4 本章小结 | 第64-66页 |
第四章 基于参数活动轮廓模型的LV外膜分割方法研究 | 第66-82页 |
4.1 Snake模型 | 第66-69页 |
4.1.1 基本原理 | 第66-67页 |
4.1.2 变分法求解 | 第67-68页 |
4.1.3 数值实现 | 第68-69页 |
4.2 经典的Snake改进模型 | 第69-70页 |
4.2.1 Balloons模型 | 第69页 |
4.2.2 GVF模型 | 第69-70页 |
4.3 基于改进Snake模型的LV外膜分割 | 第70-74页 |
4.3.1 模型建立 | 第70-72页 |
4.3.2 外膜提取 | 第72-74页 |
4.4 实验与分析 | 第74-81页 |
4.4.1 实验设置与评价指标 | 第74-75页 |
4.4.2 实验结果与分析 | 第75-79页 |
4.4.3 讨论 | 第79-81页 |
4.5 本章小结 | 第81-82页 |
第五章 基于SPCNN与ASM的LV内、外膜分割方法 | 第82-99页 |
5.1 ASM模型介绍 | 第82-88页 |
5.1.1 形状模型的建立 | 第83-86页 |
5.1.2 基于ASM的目标点搜索 | 第86-88页 |
5.1.3 ASM的多分辨率搜索 | 第88页 |
5.2 基于SPCNN与ASM的LV内、外膜分割 | 第88-94页 |
5.2.1 二维形状模型建立 | 第89-91页 |
5.2.2 基于SPCNN与几何变换的ASM自动初始化 | 第91-93页 |
5.2.3 基于ASM的LV内、外膜分割 | 第93-94页 |
5.3 实验与分析 | 第94-98页 |
5.3.1 实验设置与评价指标 | 第94页 |
5.3.2 实验结果与分析 | 第94-97页 |
5.3.3 讨论 | 第97-98页 |
5.4 本章小结 | 第98-99页 |
第六章 总结与展望 | 第99-103页 |
6.1 论文工作总结 | 第99-101页 |
6.2 展望 | 第101-103页 |
参考文献 | 第103-111页 |
在学期间的研究成果 | 第111-113页 |
致谢 | 第113页 |