| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.2.1 脑组织提取的研究现状 | 第10-14页 |
| 1.2.2 GPU的发展 | 第14-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本文结构 | 第18-19页 |
| 第二章 CUDA技术 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 CUDA编程模型 | 第19-23页 |
| 2.2.1 线程层次 | 第20-21页 |
| 2.2.2 CUDA核 | 第21-22页 |
| 2.2.3 CUDA对C的扩展 | 第22-23页 |
| 2.3 CUDA存储模型 | 第23-25页 |
| 2.4 CUDA的开发环境 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于CUDA和BET的脑组织快速提取 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 BET算法原理 | 第27-30页 |
| 3.2.1 轮廓的初始化 | 第28页 |
| 3.2.2 BET的演化原理 | 第28-30页 |
| 3.3 BET算法的改进 | 第30-33页 |
| 3.3.1 平滑力的改进 | 第30-31页 |
| 3.3.2 扩张力的改进 | 第31-32页 |
| 3.3.3 搜索路径的改进 | 第32-33页 |
| 3.4 基于CUDA的脑组织快速提取 | 第33-41页 |
| 3.4.1 P-BET方法 | 第33-36页 |
| 3.4.2 SP-BET方法 | 第36-38页 |
| 3.4.3 实验结果 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于CUDA、水平集和区域生长的脑组织快速提取 | 第42-57页 |
| 4.1 引言 | 第42页 |
| 4.2 水平集方法 | 第42-46页 |
| 4.2.1 曲线演化 | 第42-44页 |
| 4.2.2 水平集方法 | 第44-46页 |
| 4.3 区域生长概述 | 第46-47页 |
| 4.4 基于CUDA的脑组织提取实验 | 第47-56页 |
| 4.4.1 脑组织掩模的提取 | 第47-48页 |
| 4.4.2 基于水平集的脑组织快速提取 | 第48-53页 |
| 4.4.3 水平集和区域生长结合的脑组织快速提取 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |