| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·背景介绍 | 第8-9页 |
| ·国内外已取得的研究成果 | 第9-12页 |
| ·本课题的主要研究内容 | 第12-13页 |
| 第二章 脑CT图像分割技术研究 | 第13-20页 |
| ·CT成像技术 | 第13-16页 |
| ·CT成像原理介绍 | 第13-14页 |
| ·CT图像特征 | 第14-15页 |
| ·CT图像和 CT值的区别 | 第15页 |
| ·采用 CT的优势 | 第15-16页 |
| ·脑部的主要疾病及CT诊断 | 第16-18页 |
| ·脑癌及颅内出血概述 | 第16-17页 |
| ·脑部病变的CT影像特点 | 第17-18页 |
| ·脑部 CT图像常用分割方法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 脑部 CT图像的预处理 | 第20-26页 |
| ·对比度增强 | 第20-21页 |
| ·定位颅骨区域和产生脑部图像的掩模矩阵 | 第21-23页 |
| ·连通域标记算法 | 第22-23页 |
| ·生成脑部图像的掩模矩阵及颅内区域提取 | 第23页 |
| ·行列扫描提取颅内区域法 | 第23-25页 |
| ·本章小节 | 第25-26页 |
| 第四章 基于粒子群自动设定 PCNN参数的颅内区域自动分割 | 第26-42页 |
| ·脉冲耦合神经网络图像分割原理 | 第26-30页 |
| ·PCNN标准模型介绍 | 第27-29页 |
| ·PCNN简化模型 | 第29-30页 |
| ·改进的粒子群算法 | 第30-32页 |
| ·带惯性权重的粒子群算法 | 第30-31页 |
| ·基于粒子群算法与模拟退火的协同进化方法 | 第31-32页 |
| ·适应度函数选择 | 第32-33页 |
| ·图像分割结果各区域的标记 | 第33-34页 |
| ·算法步骤 | 第34-36页 |
| ·实验结果及分析 | 第36-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-45页 |
| ·本文的主要工作 | 第42-43页 |
| ·创新之处 | 第43页 |
| ·工作展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士学位期间发表的论文 | 第50-51页 |
| 致谢 | 第51页 |