| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-29页 |
| ·引言 | 第12页 |
| ·研究背景及意义 | 第12-15页 |
| ·相关技术和国内外研究现状 | 第15-24页 |
| ·基于图像结构的分割方法 | 第15-18页 |
| ·基于统计的分割方法 | 第18-21页 |
| ·混合方法 | 第21-24页 |
| ·医学图像分割算法的性能评价体系 | 第24-26页 |
| ·分割结果的正确性 | 第24-26页 |
| ·分割算法的效率 | 第26页 |
| ·本文的主要创新点和内容安排 | 第26-29页 |
| 第二章 医学图像分割预处理 | 第29-41页 |
| ·分割预处理常用算法 | 第29-33页 |
| ·中值滤波 | 第29-30页 |
| ·高斯滤波 | 第30页 |
| ·各向异性扩散滤波 | 第30-31页 |
| ·双边滤波 | 第31-33页 |
| ·冲击噪声自适应双边滤波算法 | 第33-36页 |
| ·自适应中心加权中值噪声检测算子 | 第34-35页 |
| ·基于自适应加权中值的双边滤波 | 第35-36页 |
| ·实验结果与分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于参数形变模型的自动分割方法研究 | 第41-65页 |
| ·基于图分割的脑组织粗分割 | 第42-50页 |
| ·大脑重心的估计 | 第43-45页 |
| ·吉布斯能量函数 | 第45-46页 |
| ·图分割离散优化 | 第46-50页 |
| ·基于Marching cubes 的初始表面提取 | 第50-53页 |
| ·参数形变模型 | 第53-58页 |
| ·梯度向量流 | 第56-58页 |
| ·实验结果与分析 | 第58-64页 |
| ·本章小结 | 第64-65页 |
| 第四章 基于嵌入边缘置信度的活动线分割方法 | 第65-83页 |
| ·活动线分割方法 | 第66-69页 |
| ·构造代价函数 | 第67-69页 |
| ·最优路径的产生 | 第69页 |
| ·经典活动线方法性能分析 | 第69-72页 |
| ·嵌入边缘置信度 | 第72-74页 |
| ·基于嵌入边缘测度的活动线分割 | 第74-76页 |
| ·三维扩展 | 第76-77页 |
| ·实验结果与分析 | 第77-82页 |
| ·本章小结 | 第82-83页 |
| 第五章 基于元胞自动机理论的分割 | 第83-99页 |
| ·元胞自动机理论 | 第83-87页 |
| ·元胞自动机的组成 | 第84-85页 |
| ·元胞自动机的特点 | 第85-87页 |
| ·基于元胞自动机的分割方法 | 第87-91页 |
| ·三维扩展 | 第91-92页 |
| ·实验结果与分析 | 第92-97页 |
| ·本章小结 | 第97-99页 |
| 第六章 基于GPU 加速的医学图像分割 | 第99-112页 |
| ·GPU 体系结构概述 | 第100-107页 |
| ·计算机并行处理原理和体系结构 | 第100-104页 |
| ·GPU 通用计算的基本方法 | 第104-107页 |
| ·元胞自动机分割算法的并行运算分析 | 第107-108页 |
| ·元胞自动机分割算法的GPU 实现 | 第108-110页 |
| ·算法效率比较 | 第110-111页 |
| ·本章小结 | 第111-112页 |
| 第七章 总结与展望 | 第112-115页 |
| ·全文工作回顾与总结 | 第112-114页 |
| ·未来工作展望 | 第114-115页 |
| 参考文献 | 第115-123页 |
| 致谢 | 第123-124页 |
| 攻读博士学位期间发表、撰写的论文 | 第124页 |