摘要 | 第3-4页 |
Abstract | 第4-5页 |
第1章 绪论 | 第8-14页 |
1.1 课题研究背景及意义 | 第8-9页 |
1.2 颅脑图像分割研究现状 | 第9-12页 |
1.2.1 基于区域的分割方法 | 第9-10页 |
1.2.2 基于边界探测的分割方法 | 第10-11页 |
1.2.3 基于特征空间的分割方法 | 第11-12页 |
1.2.4 其他方法 | 第12页 |
1.3 研究方法及实验设计 | 第12页 |
1.4 本文的主要内容及组织框架 | 第12-14页 |
第2章 图像分割预处理 | 第14-19页 |
2.1 引言 | 第14页 |
2.2 BET算法分离脑组织与非脑组织 | 第14-18页 |
2.2.1 图像基本参数选取设定 | 第15-16页 |
2.2.2 表面模型和初始化 | 第16页 |
2.2.3 轮廓演化过程 | 第16-18页 |
2.3 本章小结 | 第18-19页 |
第3章 模糊聚类算法发展及在颅脑分割中的应用 | 第19-26页 |
3.1 引言 | 第19页 |
3.2 模糊集合的概念 | 第19-21页 |
3.2.1 模糊集合的基本理论 | 第19-20页 |
3.2.2 模糊集合及运算 | 第20-21页 |
3.3 模糊C-均值聚类算法 | 第21-24页 |
3.3.1 FCM中数据集的划分 | 第21-22页 |
3.3.2 硬C-均值聚类算法 | 第22-23页 |
3.3.3 模糊C-均值聚类算法 | 第23-24页 |
3.4 模糊聚类算法在颅脑图像分割中的应用及不足 | 第24-25页 |
3.5 小结 | 第25-26页 |
第4章 基于FCM&VBM头部磁共振图像多组织分割算法 | 第26-37页 |
4.1 引言 | 第26页 |
4.2 VBM算法 | 第26-30页 |
4.2.1 VBM算法 | 第26-28页 |
4.2.2 DARTEL算法 | 第28-30页 |
4.3 基于FCM&VBM算法的颅脑分割方法 | 第30-35页 |
4.3.1 脑组织与非脑组织分离 | 第30-31页 |
4.3.2 脑组织分割 | 第31-32页 |
4.3.3 非脑组织分割 | 第32-34页 |
4.3.4 图像平滑 | 第34-35页 |
4.4 小结 | 第35-37页 |
第5章 实验结果及分析 | 第37-48页 |
5.1 引言 | 第37页 |
5.2 实验样本数据选取 | 第37-38页 |
5.3 实验设施平台 | 第38页 |
5.4 评价参数 | 第38-39页 |
5.5 实验结果分析 | 第39-47页 |
5.5.1 验证本文方法有效性 | 第39-43页 |
5.5.2 脑组织分割的评价系数对比 | 第43-45页 |
5.5.3 颅骨分割部分的对比分析 | 第45-47页 |
5.6 本章小结 | 第47-48页 |
第6章 结论 | 第48-50页 |
6.1 本文结论 | 第48-49页 |
6.2 展望 | 第49-50页 |
参考文献 | 第50-53页 |
攻读硕士期间发表论文情况 | 第53-54页 |
致谢 | 第54-55页 |