| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 介入式手术导航的关键技术 | 第11-16页 |
| 1.2.1 介入式手术导航的医学成像与图像处理技术 | 第11-14页 |
| 1.2.2 介入式手术导航的定位跟踪技术 | 第14-15页 |
| 1.2.3 介入式手术导航的手术器械标定技术 | 第15-16页 |
| 1.2.4 介入式手术导航的配准与显示技术 | 第16页 |
| 1.3 超声图像引导下手术导航的发展现状 | 第16-17页 |
| 1.3.1 国外发展现状 | 第16-17页 |
| 1.3.2 国内发展现状 | 第17页 |
| 1.3.3 存在的问题与挑战 | 第17页 |
| 1.4 本文的主要工作与成果 | 第17-18页 |
| 1.5 本文的结构安排 | 第18-20页 |
| 2 超声图像引导下介入式手术导航系统的基本理论 | 第20-31页 |
| 2.1 超声图像引导下介入式手术导航系统的工作原理 | 第20-21页 |
| 2.2 光学定位技术 | 第21-26页 |
| 2.2.1 摄像机模型 | 第21-24页 |
| 2.2.2 摄像机标定与立体标定 | 第24-25页 |
| 2.2.3 三维重建 | 第25-26页 |
| 2.3 手术器械标定技术 | 第26-27页 |
| 2.3.1 手术探针的尖端点标定 | 第26页 |
| 2.3.2 超声探头的图像标定 | 第26-27页 |
| 2.4 超声图像分割技术 | 第27-30页 |
| 2.4.1 基于阈值的分割方法 | 第27-28页 |
| 2.4.2 基于统计学习的分割方法 | 第28页 |
| 2.4.3 基于区域的分割方法 | 第28-29页 |
| 2.4.4 基于边缘的分割方法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 超声图像引导下介入式手术导航的手术器械标定方法 | 第31-46页 |
| 3.1 基于最大相关熵准则的手术器械尖端点标定方法 | 第31-38页 |
| 3.1.1 基本介绍 | 第31-32页 |
| 3.1.2 相关熵 | 第32-33页 |
| 3.1.3 算法原理 | 第33-35页 |
| 3.1.4 算法流程 | 第35页 |
| 3.1.5 实验与结果分析 | 第35-38页 |
| 3.1.6 讨论 | 第38页 |
| 3.2 一种快速超声探头自动标定方法 | 第38-45页 |
| 3.2.1 基本介绍 | 第38-39页 |
| 3.2.2 超声图像标定算法原理 | 第39-43页 |
| 3.2.3 标定算法流程 | 第43页 |
| 3.2.4 实验及结果分析 | 第43-45页 |
| 3.3 本章小结 | 第45-46页 |
| 4 基于改进LGDF模型的超声图像自动分割方法 | 第46-56页 |
| 4.1 概述 | 第46-47页 |
| 4.2 分割算法 | 第47-50页 |
| 4.2.1 LGDF模型 | 第47页 |
| 4.2.2 本文算法 | 第47-50页 |
| 4.2.3 算法步骤 | 第50页 |
| 4.3 实验与结果分析 | 第50-55页 |
| 4.3.1 评价准则 | 第50-51页 |
| 4.3.2 实验条件 | 第51页 |
| 4.3.3 实验结果 | 第51-55页 |
| 4.3.4 分析讨论 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 超声图像引导下介入式手术导航系统样机设计 | 第56-64页 |
| 5.1 系统组成 | 第56-57页 |
| 5.1.1 硬件系统 | 第56页 |
| 5.1.2 软件系统 | 第56-57页 |
| 5.2 系统标定 | 第57-60页 |
| 5.2.1 摄像机标定 | 第57-58页 |
| 5.2.2 手术器械标定 | 第58-60页 |
| 5.3 系统性能测试 | 第60-62页 |
| 5.3.1 测量精度测试 | 第60-61页 |
| 5.3.2 多个手术器械识别测试 | 第61-62页 |
| 5.4 器械跟踪实验 | 第62-63页 |
| 5.4.1 单个器械跟踪 | 第62页 |
| 5.4.2 双器械跟踪 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文和申请专利情况 | 第69-70页 |
| 致谢 | 第70-71页 |
