| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 图像配准概述 | 第10-11页 |
| 1.2 医学图像配准技术的研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状及发展动态 | 第12-13页 |
| 1.4 图像配准技术的研究难点 | 第13-14页 |
| 1.5 本文主要研究内容和数据来源 | 第14-16页 |
| 1.5.1 本文主要研究内容 | 第14-15页 |
| 1.5.2 数据来源 | 第15-16页 |
| 第2章 医学图像配准理论 | 第16-28页 |
| 2.1 医学图像配准基本概念 | 第16-19页 |
| 2.1.1 医学图像简介 | 第16-17页 |
| 2.1.2 医学图像配准模型 | 第17页 |
| 2.1.3 图像配准的框架和流程 | 第17-18页 |
| 2.1.4 医学图像配准方法分类 | 第18-19页 |
| 2.2 医学图像配准的关键技术 | 第19-26页 |
| 2.2.1 插值算法 | 第19-21页 |
| 2.2.2 相似性测度 | 第21-23页 |
| 2.2.3 几何变换 | 第23-24页 |
| 2.2.4 优化算法 | 第24-25页 |
| 2.2.5 多分辨率分层技术 | 第25-26页 |
| 2.3 医学图像配准的评估方法 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于KL距离的改进Demons医学图像配准算法 | 第28-60页 |
| 3.1 Demons形变模型的基本理论 | 第28-35页 |
| 3.1.1 Demons算法原理 | 第28-31页 |
| 3.1.2 Demons模型的选择 | 第31-35页 |
| 3.2 基于Kullback-Leibler距离的改进Demons形变模型 | 第35-44页 |
| 3.2.1 基于Kullback-Leibler距离的互信息梯度计算 | 第36-39页 |
| 3.2.2 基于Kullback-Leibler距离的改进Demons非刚性配准算法 | 第39-44页 |
| 3.3 基于KL距离和拓扑保持的MIGTP医学图像配准算法 | 第44-51页 |
| 3.3.1 基于互信息最大化的拓扑保持算法 | 第44-47页 |
| 3.3.2 拓扑保持算法的具体步骤 | 第47-48页 |
| 3.3.3 MIGTP Demons算法的配准流程 | 第48-51页 |
| 3.4 实验结果和参数分析 | 第51-58页 |
| 3.4.1 仿真与分析 | 第51-54页 |
| 3.4.2 模型参数对于MIGTP算法性能影响的仿真分析 | 第54-58页 |
| 3.5 本章小结 | 第58-60页 |
| 第4章 基于分割和B样条的非刚性医学图像配准算法 | 第60-74页 |
| 4.1 B样条概述 | 第60-67页 |
| 4.1.1 B样条曲线和曲面 | 第60-65页 |
| 4.1.2 B样条形变原理 | 第65-67页 |
| 4.2 基于分割和B样条的肺实质配准算法 | 第67-72页 |
| 4.2.1 区域生长法 | 第67-69页 |
| 4.2.2 L-BFGS优化算法 | 第69-70页 |
| 4.2.3 基于肺分割的肺部吸气相和呼气相图像配准算法 | 第70-72页 |
| 4.3 仿真分析 | 第72-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 作者攻读硕士学位期间发表的论文 | 第84页 |
