| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 1 绪论 | 第13-27页 |
| 1.1 研究问题的背景 | 第13-15页 |
| 1.2 国内外研究现状与趋势 | 第15-23页 |
| 1.2.1 超声图像分割 | 第15-16页 |
| 1.2.2 活动轮廓模型 | 第16-20页 |
| 1.2.3 基于物理的流体固体建模及耦合 | 第20-22页 |
| 1.2.4 目标组织动态边界预测 | 第22-23页 |
| 1.3 研究的内容与方法 | 第23-25页 |
| 1.4 论文章节安排 | 第25-27页 |
| 2 基于多尺度形状约束的区域局域化超声图像分割方法 | 第27-43页 |
| 2.1 引言 | 第27-29页 |
| 2.2 相关方法 | 第29-32页 |
| 2.2.1 C-V模型 | 第29-30页 |
| 2.2.2 LCV模型 | 第30-32页 |
| 2.3 MSLCV模型 | 第32-34页 |
| 2.3.1 形状约束的引入 | 第32-33页 |
| 2.3.2 多尺度分割算法 | 第33-34页 |
| 2.4 实验结果 | 第34-40页 |
| 2.5 讨论 | 第40-42页 |
| 2.5.1 局域半径 | 第40-41页 |
| 2.5.2 减少初始化敏感性 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 3 引入局部全局信息的区域自适应局域化超声图像分割方法 | 第43-60页 |
| 3.1 引言 | 第43-44页 |
| 3.2 引入局部全局信息的区域自适应局域化快速活动轮廓模型 | 第44-50页 |
| 3.2.1 局部全局信息 | 第45-46页 |
| 3.2.2 自适应局域区域 | 第46-47页 |
| 3.2.3 局域计算优化 | 第47-50页 |
| 3.3 实验结果 | 第50-59页 |
| 3.3.1 参数选取 | 第50-53页 |
| 3.3.2 结果分析 | 第53-59页 |
| 3.4 本章小结 | 第59-60页 |
| 4 基于自适应代理粒子的流体固体实时耦合方法 | 第60-81页 |
| 4.1 引言 | 第60-61页 |
| 4.2 SPH方法 | 第61-63页 |
| 4.3 基于IISPH的流体建模 | 第63-66页 |
| 4.4 基于TLED的固体建模 | 第66页 |
| 4.5 自适应代理粒子生成 | 第66-71页 |
| 4.5.1 局部高斯曲率 | 第67-69页 |
| 4.5.2 代理粒子的自适应分布 | 第69页 |
| 4.5.3 代理粒子的支持域 | 第69-71页 |
| 4.5.4 代理粒子自适应更新 | 第71页 |
| 4.6 耦合力的计算和边界处理 | 第71-72页 |
| 4.7 基于CUDA的GPU并行计算 | 第72-73页 |
| 4.8 实验结果 | 第73-79页 |
| 4.8.1 流固耦合仿真结果 | 第73-76页 |
| 4.8.2 方法对比 | 第76-78页 |
| 4.8.3 收敛性分析 | 第78-79页 |
| 4.9 本章小结 | 第79-81页 |
| 5 基于图像分析和多相耦合的目标组织动态边界预测框架 | 第81-101页 |
| 5.1 引言 | 第81-84页 |
| 5.1.1 目标组织模型提取 | 第82-83页 |
| 5.1.2 目标组织动力学模型构建 | 第83-84页 |
| 5.2 目标组织动态边界预测框架 | 第84-94页 |
| 5.2.1 超声数据获取 | 第84-85页 |
| 5.2.2 目标组织超声图像分割 | 第85-87页 |
| 5.2.3 基于统一粒子的多相耦合模型 | 第87-93页 |
| 5.2.4 迭代参数计算 | 第93-94页 |
| 5.3 实验结果 | 第94-100页 |
| 5.3.1 目标组织分割 | 第94-97页 |
| 5.3.2 多相耦合仿真 | 第97-98页 |
| 5.3.3 目标组织边界预测 | 第98-100页 |
| 5.4 本章小结 | 第100-101页 |
| 6 总结与展望 | 第101-104页 |
| 6.1 本文工作总结 | 第101-102页 |
| 6.2 后续工作展望 | 第102-104页 |
| 参考文献 | 第104-117页 |
| 附录1 攻博期间发表的科研成果目录 | 第117-119页 |
| 附录2 攻博期间参与的科研项目 | 第119-120页 |
| 致谢 | 第120页 |
