| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10页 |
| ·脑组织提取的研究现状 | 第10-13页 |
| ·基于区域的提取方法 | 第11页 |
| ·基于边界的提取方法 | 第11-12页 |
| ·混合提取方法 | 第12-13页 |
| ·基于 graph-cuts 的混合提取方法 | 第13页 |
| ·研究方法及实验设计 | 第13-14页 |
| ·本文组织结构安排 | 第14-16页 |
| 第二章 BET 及其改进算法的原理 | 第16-23页 |
| ·引言 | 第16页 |
| ·BET 算法的原理介绍 | 第16-20页 |
| ·图像基本参数的估计 | 第17-18页 |
| ·表面模型和初始化 | 第18页 |
| ·轮廓演化过程 | 第18-20页 |
| ·改进 BET 算法 | 第20-22页 |
| ·对轮廓演化选择力 u3 的改进 | 第20-21页 |
| ·对轮廓平滑力 u2 的简化 | 第21页 |
| ·搜索路径的增加 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 图割理论的发展及其在脑组织提取中的应用 | 第23-32页 |
| ·引言 | 第23页 |
| ·图理论 | 第23-25页 |
| ·图的定义 | 第23-24页 |
| ·s-t 割 | 第24-25页 |
| ·图割的基础知识 | 第25-26页 |
| ·能量函数的构建 | 第25页 |
| ·网络与流的概念 | 第25-26页 |
| ·最大流/最小割 | 第26页 |
| ·图割在图像分割中的应用 | 第26-30页 |
| ·能量函数 | 第27-28页 |
| ·网络图的构建 | 第28-29页 |
| ·图的权重值分配 | 第29-30页 |
| ·GCUT 方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于 graph-cuts 和活动邻域模型的脑组织自动提取方法 | 第32-41页 |
| ·引言 | 第32页 |
| ·活动邻域模型(ACNM)的描述 | 第32-36页 |
| ·ACNM 处理二维 MRI 图像 | 第33-34页 |
| ·三维脑 MR 图像初始化方法 | 第34-36页 |
| ·对 graph-cuts 方法的改进 | 第36-40页 |
| ·对边缘权重分配图的改进 | 第36-37页 |
| ·模糊 C 均值聚类算法 | 第37-38页 |
| ·对图边缘权重值的改进 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 实验结果与分析 | 第41-54页 |
| ·引言 | 第41页 |
| ·实验数据库 | 第41-42页 |
| ·实验设施与平台说明 | 第42页 |
| ·评价参数介绍 | 第42-44页 |
| ·实验结果分析 | 第44-53页 |
| ·验证本文创新点的有效性 | 第44-46页 |
| ·对几种脑组织提取方案的定性分析 | 第46-49页 |
| ·评价系数对比 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论及展望 | 第54-56页 |
| ·本文结论 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 硕士期间发表论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |