| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 医学图像分割 | 第10-12页 |
| 1.2.2 超像素分割的研究现状 | 第12-13页 |
| 1.3 论文主要研究内容及组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 1.4 本章小结 | 第15-17页 |
| 第二章 基于映射的简单线性迭代聚类算法的腹部CT图像超像素分割 | 第17-33页 |
| 2.1 腹部CT图像多器官分割数据集的建立 | 第17-19页 |
| 2.1.1 ACTMS数据集简介 | 第17-18页 |
| 2.1.2 ACTMS数据集上的腹部器官标注 | 第18-19页 |
| 2.2 简单线性迭代聚类算法 | 第19-20页 |
| 2.3 映射的简单线性迭代聚类超像素分割算法 | 第20-27页 |
| 2.3.1 基于腹部器官特征的CT图像滤波和灰度映射 | 第20-26页 |
| 2.3.2 映射的简单线性迭代聚类超像素分割算法 | 第26-27页 |
| 2.4 实验结果与分析 | 第27-31页 |
| 2.4.1 聚类中心点映射实验 | 第28-29页 |
| 2.4.2 超像素分割实验 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于超像素多特征融合的腹部器官语义分割 | 第33-47页 |
| 3.1 基于超像素块的语义分割 | 第33-34页 |
| 3.1.1 语义分割的概念 | 第33-34页 |
| 3.1.2 基于超像素的语义分割 | 第34页 |
| 3.2 超像素块的特征池构建 | 第34-40页 |
| 3.2.1 灰度直方图特征提取 | 第35-36页 |
| 3.2.2 Gabor纹理特征提取 | 第36-37页 |
| 3.2.3 局部二值模式特征提取 | 第37-38页 |
| 3.2.4 灰度共生矩阵特征提取 | 第38-40页 |
| 3.3 基于超像素块分类的语义分割 | 第40-43页 |
| 3.3.1 超像素块随机特征子空间构建 | 第40-41页 |
| 3.3.2 基于极限学习机的超像素分类 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于先验与集成学习的腹部图像多目标分割 | 第47-57页 |
| 4.1 基于灰度与位置的腹部器官先验模型的建立 | 第47-51页 |
| 4.1.1 先验知识与高斯模型 | 第47-48页 |
| 4.1.2 基于灰度与位置的高斯模型建立 | 第48-51页 |
| 4.2 多分类概率极限学习机 | 第51-52页 |
| 4.3 多分类器集成的超像素分类 | 第52-53页 |
| 4.4 实验结果与分析 | 第53-56页 |
| 4.5 本章总结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间取得的科研成果 | 第65-66页 |