基于绘制的智能传递函数设计方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-12页 |
| 第一章 绪论 | 第12-23页 |
| ·研究背景 | 第12页 |
| ·相关技术 | 第12-21页 |
| ·直接体绘制方法 | 第12-15页 |
| ·传递函数设计 | 第15-21页 |
| ·研究内容与文章结构 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第二章 基于绘制的智能传递函数设计框架 | 第23-27页 |
| ·设计原则 | 第23-24页 |
| ·功能需求 | 第24页 |
| ·方法流程 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于绘制的交互界面 | 第27-32页 |
| ·基于体数据切片图像操作的交互界面 | 第27-29页 |
| ·交互界面设计 | 第27-28页 |
| ·构建训练样本 | 第28-29页 |
| ·基于 DVRI 操作的交互界面 | 第29-31页 |
| ·交互界面设计 | 第29页 |
| ·构建训练样本 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 体数据场的派生信息 | 第32-38页 |
| ·梯度信息的提取 | 第32-33页 |
| ·统计量的提取 | 第33-36页 |
| ·方法概览 | 第33-35页 |
| ·均值和标准差的计算 | 第35页 |
| ·正态分布检验 | 第35页 |
| ·分布相似性检验 | 第35-36页 |
| ·统计量合并 | 第36页 |
| ·梯度值与统计量的比较 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于人工神经网络的体数据分类 | 第38-48页 |
| ·人工神经网络技术 | 第38-41页 |
| ·人工神经网络的定义与特点 | 第38-39页 |
| ·人工神经元模型 | 第39页 |
| ·人工神经网络的分类 | 第39-41页 |
| ·基于 BP 算法的体数据分类 | 第41-43页 |
| ·BP 网络与BP 算法 | 第41页 |
| ·BP 网络设计 | 第41-42页 |
| ·体数据分类 | 第42-43页 |
| ·体数据分类的 CUDA 加速 | 第43-47页 |
| ·GPGPU 与CUDA 技术 | 第43页 |
| ·CUDA 编程模型 | 第43-44页 |
| ·矩阵形式BP 算法描述 | 第44-45页 |
| ·体数据分类的CUDA 实现 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 系统实现与实验分析 | 第48-54页 |
| ·系统实现 | 第48-49页 |
| ·实验分析 | 第49-53页 |
| ·基于体数据切片图像操作的交互界面 | 第49-51页 |
| ·基于DVRI 操作的交互界面 | 第51-52页 |
| ·时间性能分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-56页 |
| ·全文总结 | 第54页 |
| ·研究展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 硕士期间发表的论文 | 第60页 |
| 硕士期间获得的奖励 | 第60页 |
| 硕士期间参与的科研项目 | 第60-61页 |
| 硕士期间申请的软件著作权 | 第61-62页 |
