| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-34页 |
| 1.1 研究背景 | 第10-17页 |
| 1.1.1 垂体瘤患者视觉障碍的病理解释 | 第11-15页 |
| 1.1.2 垂体瘤的多模态医学影像诊断 | 第15-17页 |
| 1.2 研究意义 | 第17-18页 |
| 1.3 研究现状 | 第18-30页 |
| 1.3.1 垂体瘤治疗后视觉功能恢复预测因素的研究现状 | 第18-24页 |
| 1.3.2 脑肿瘤MR图像分割方法的研究现状 | 第24-28页 |
| 1.3.3 视网膜OCT影像数据分析的研究现状 | 第28-30页 |
| 1.4 本文主要研究内容和章节安排 | 第30-33页 |
| 1.4.1 研究内容及方案 | 第30-31页 |
| 1.4.2 论文章节安排 | 第31-33页 |
| 1.5 本章小结 | 第33-34页 |
| 第二章 基于能量优化的医学图像分割技术 | 第34-57页 |
| 2.1 基于能量优化的MR图像分割方法 | 第34-47页 |
| 2.1.1 连续能量优化的图像分割方法 | 第35-37页 |
| 2.1.2 离散能量优化的图像分割方法 | 第37-44页 |
| 2.1.3 连续能量函数的离散优化方法 | 第44-46页 |
| 2.1.4 连续能量函数离散优化图像分割方法的改进 | 第46-47页 |
| 2.2 基于能量优化的视网膜OCT影像分割方法 | 第47-56页 |
| 2.2.1 视网膜OCT影像分层算法研究概述 | 第47-50页 |
| 2.2.2 基于图论的视网膜OCT影像分层算法 | 第50页 |
| 2.2.3 以黄斑为中心的视网膜OCT图像分层 | 第50-56页 |
| 2.3 本章小结 | 第56-57页 |
| 第三章 基于随机游走和图割形变模型的垂体瘤分割 | 第57-74页 |
| 3.1 垂体瘤MR图像分割方法概述 | 第57-59页 |
| 3.2 基于随机游走和图割的形变模型（RGCDM） | 第59-64页 |
| 3.2.1 初始曲面的确定 | 第59-60页 |
| 3.2.2 分割步骤 | 第60-64页 |
| 3.2.3 后处理及算法流程综述 | 第64页 |
| 3.3 基于RGCDM算法的垂体瘤MR图像分割实验 | 第64-72页 |
| 3.3.1 实验数据及实施 | 第64-65页 |
| 3.3.2 实验结果 | 第65-70页 |
| 3.3.3 实验讨论 | 第70-72页 |
| 3.4 本章小结 | 第72-74页 |
| 第四章 基于改进随机游走算法的视交叉分割 | 第74-84页 |
| 4.1 视交叉MR图像处理的研究概述 | 第74-76页 |
| 4.2 基于改进随机游走算法的视交叉多模态MR图像分割 | 第76-79页 |
| 4.2.1 方法流程及预处理 | 第76-77页 |
| 4.2.2 组合随机游走算法 | 第77-78页 |
| 4.2.3 基于阈值的视交叉区域分割 | 第78-79页 |
| 4.3 视交叉多模态MR图像分割实验 | 第79-83页 |
| 4.3.1 实验结果 | 第79-82页 |
| 4.3.2 实验讨论 | 第82-83页 |
| 4.4 本章小结 | 第83-84页 |
| 第五章 视网膜OCT图像的量化分析 | 第84-98页 |
| 5.1 常用视网膜OCT图像量化分析指标 | 第84-87页 |
| 5.1.1 厚度 | 第84-85页 |
| 5.1.2 光密度 | 第85-86页 |
| 5.1.3 光衰减系数 | 第86-87页 |
| 5.2 垂体瘤患者视网膜OCT图像的量化分析 | 第87-97页 |
| 5.2.1 实验数据采集及分析指标测量 | 第87-89页 |
| 5.2.2 统计分析及结果 | 第89-95页 |
| 5.2.3 实验讨论 | 第95-97页 |
| 5.3 本章小结 | 第97-98页 |
| 第六章 总结与展望 | 第98-100页 |
| 参考文献 | 第100-119页 |
| 攻读学位期间的科研成果 | 第119-121页 |
| 附录 | 第121-124页 |
| 致谢 | 第124-125页 |
