| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状及趋势 | 第10-13页 |
| 1.2.1 多模态医学影像的产生机理与方法 | 第10-11页 |
| 1.2.2 多模态影像融合及其在肺癌精准医疗中的应用 | 第11-12页 |
| 1.2.3 多模态影像分割及其在肺癌精准医疗中的应用 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 2 基于混合互信息和改进粒子群优化算法的医学影像配准方法 | 第14-26页 |
| 2.1 图像配准基础概述 | 第14-15页 |
| 2.2 基于混合互信息和改进粒子群优化算法的医学影像配准方法 | 第15-20页 |
| 2.2.1 基于Renyi熵的互信息 | 第15-16页 |
| 2.2.2 粒子群优化算法 | 第16-17页 |
| 2.2.3 最小点密度方差准则 | 第17-20页 |
| 2.3 实验及结果分析 | 第20-25页 |
| 2.3.1 实验图像及对比算法 | 第20页 |
| 2.3.2 图像配准评价指标 | 第20-21页 |
| 2.3.3 实验结果与主观评价 | 第21-23页 |
| 2.3.4 实验结果的客观评价 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于投影字典对学习的医学影像融合算法 | 第26-41页 |
| 3.1 基于稀疏表示的图像特征提取与融合 | 第26-28页 |
| 3.1.1 图像稀疏表示模型 | 第26-27页 |
| 3.1.2 稀疏分解算法 | 第27-28页 |
| 3.1.3 稀疏字典训练与构造 | 第28页 |
| 3.2 基于投影字典对学习的医学影像融合算法 | 第28-34页 |
| 3.2.1 源图像的预处理 | 第29页 |
| 3.2.2 基于投影字典对学习的图像特征提取 | 第29-32页 |
| 3.2.3 融合准则 | 第32-34页 |
| 3.3 实验及结果分析 | 第34-40页 |
| 3.3.1 对比算法 | 第34页 |
| 3.3.2 图像融合评价指标 | 第34-35页 |
| 3.3.3 融合结果与主观评价 | 第35-38页 |
| 3.3.4 融合结果的客观评价 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于联合拟合能量的医学影像分割算法 | 第41-58页 |
| 4.1 图像分割理论基础 | 第41-43页 |
| 4.1.1 图像分割算法分类 | 第41-42页 |
| 4.1.2 曲线演变及水平集方法 | 第42-43页 |
| 4.2 基于联合拟合能量的医学影像分割算法 | 第43-48页 |
| 4.2.1 基于图像梯度信息的全局拟合能量 | 第43-44页 |
| 4.2.2 基于图像张量信息的局部拟合能量 | 第44-45页 |
| 4.2.3 拟合能量的正则化 | 第45-48页 |
| 4.3 实验及结果分析 | 第48-57页 |
| 4.3.1 实验图像及对比算法 | 第48-49页 |
| 4.3.2 图像分割评价指标 | 第49页 |
| 4.3.3 实验结果与主观评价 | 第49-54页 |
| 4.3.4 实验结果的客观评价 | 第54-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 研究内容总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66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 |
