| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-20页 |
| ·引言 | 第12页 |
| ·医学图像分割方法 | 第12-17页 |
| ·基于阈值的图像分割 | 第13-14页 |
| ·基于边缘的图像分割 | 第14-16页 |
| ·基于区域的图像分割 | 第16-17页 |
| ·纹理分割 | 第17页 |
| ·脑部肿瘤图像的分割 | 第17-19页 |
| ·脑部肿瘤图像分割的意义 | 第18页 |
| ·脑部肿瘤图像分割的难点 | 第18-19页 |
| ·论文的主要内容 | 第19-20页 |
| 第二章 聚类方法在脑部肿瘤图像分割中的应用 | 第20-28页 |
| ·K-均值算法 | 第20-21页 |
| ·模糊C-均值聚类算法 | 第21-22页 |
| ·基于FCM 算法的脑肿瘤图像分割的研究 | 第22-24页 |
| ·模糊权重指数m | 第23-24页 |
| ·分类数c | 第24页 |
| ·FCM 算法初始化分析 | 第24页 |
| ·FCM 算法对脑肿瘤图像分割的实现 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 粒子群优化算法在脑部肿瘤图像分割中的应用 | 第28-37页 |
| ·粒子群优化算法 | 第28-29页 |
| ·粒子群优化算法的模型 | 第29-31页 |
| ·惯性权重模型 | 第29-30页 |
| ·收敛因子模型 | 第30-31页 |
| ·粒子群优化算法的改进 | 第31-33页 |
| ·算法实现与分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于变分水平集的脑部肿瘤图像分割方法的研究 | 第37-60页 |
| ·曲线演化理论和水平集方法 | 第37-44页 |
| ·曲线演化理论 | 第37-39页 |
| ·水平集方法 | 第39-43页 |
| ·水平集方法的数值计算 | 第43-44页 |
| ·Li Chunming 模型 | 第44-51页 |
| ·Li Chunming 模型原理 | 第45-47页 |
| ·Li Chunming 模型实现 | 第47-49页 |
| ·算法实现与分析 | 第49-51页 |
| ·Chan-Vese 模型 | 第51-59页 |
| ·C-V 模型算法原理 | 第52-54页 |
| ·C-V 模型的改进 | 第54-56页 |
| ·算法实现与分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 脑部肿瘤图像分割评价 | 第60-66页 |
| ·医学图像分割评价方法分类 | 第60-61页 |
| ·医学图像分割评价准则 | 第61-62页 |
| ·分析准则 | 第61-62页 |
| ·实验准则 | 第62页 |
| ·脑部肿瘤图像分割评价 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |