| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究工作的背景与意义 | 第9-13页 |
| 1.2 国内外研究现状和发展趋势 | 第13-15页 |
| 1.2.1 利用核磁共振进行脑肿瘤识别的研究现状 | 第13-14页 |
| 1.2.2 数据融合的研究及发展现状 | 第14-15页 |
| 1.3 本论文的主要内容及结构安排 | 第15-17页 |
| 第二章 NMF和HNMF算法研究 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 NMF算法的基本原理 | 第17-20页 |
| 2.2.1 乘性更新算法 | 第18-19页 |
| 2.2.2 交替最小二乘法 | 第19页 |
| 2.2.3 分层交替最小二乘法 | 第19-20页 |
| 2.3 利用NMF算法对组织分类 | 第20-23页 |
| 2.4 HNMF和GBM组织分类 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 多模态医学数据融合原理 | 第27-38页 |
| 3.1 多模态医学数据融合 | 第27页 |
| 3.2 图像融合的定义与原理 | 第27-30页 |
| 3.2.1 图像融合的结构层次 | 第28-29页 |
| 3.2.2 图像融合的基本方法 | 第29-30页 |
| 3.3 基于小波变换的图形融合原理 | 第30-35页 |
| 3.3.1 小波变换的基本概念 | 第31-33页 |
| 3.3.2 小波融合的基本流程和常用规则 | 第33-35页 |
| 3.4 多模态医学数据融合模型 | 第35-37页 |
| 3.4.1 MRI和MRSI的尺度统一 | 第35-36页 |
| 3.4.2 融合流程 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于多模态医学数据融合的GBM组织分离方法 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 HNMF的改进 | 第38-41页 |
| 4.3 峰值积分 | 第41-44页 |
| 4.4 基于多模态医学数据融合的GBM组织分离模型 | 第44-47页 |
| 4.4.1 融合模型 | 第44-45页 |
| 4.4.2 融合规则 | 第45-47页 |
| 4.5 融合结果的组织分离方法 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于多模态医学数据融合的GBM组织分离方法实现 | 第50-63页 |
| 5.1 引言 | 第50页 |
| 5.2 数据的获取与预处理 | 第50-51页 |
| 5.3 实验结果 | 第51-56页 |
| 5.4 结果验证与分析 | 第56-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 结论 | 第63-65页 |
| 6.1 本文的主要工作 | 第63-64页 |
| 6.2 下一步工作的展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
