基于词袋模型的MR图像脑肿瘤分割方法的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-17页 |
| 第一章 绪论 | 第17-21页 |
| ·研究背景 | 第17-18页 |
| ·医学图像的发展 | 第18-19页 |
| ·医学图像分割的意义 | 第19页 |
| ·本文的研究内容及安排 | 第19-21页 |
| 第二章 核磁共振成像原理 | 第21-35页 |
| ·引言 | 第21页 |
| ·核磁共振成像技术的发展 | 第21-24页 |
| ·脑肿瘤分割算法的研究现状 | 第24-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于分类器的脑组织提取算法 | 第35-46页 |
| ·引言 | 第35页 |
| ·去噪及非均匀性校正 | 第35-36页 |
| ·灰度归一化 | 第36页 |
| ·脑组织提取 | 第36-40页 |
| ·BET算法 | 第37-39页 |
| ·BSE算法 | 第39-40页 |
| ·GCUT算法 | 第40页 |
| ·基于AdaBoost分类器的脑组织提取 | 第40-45页 |
| ·AdaBoost分类器简介 | 第41页 |
| ·算法流程 | 第41-44页 |
| ·实验结果与分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于词袋模型的MR图像脑肿瘤分割算法 | 第46-65页 |
| ·引言 | 第46页 |
| ·词袋模型简介 | 第46-52页 |
| ·SIFT特征 | 第47-52页 |
| ·图像块特征 | 第52页 |
| ·基于词袋模型的脑肿瘤图像的表示 | 第52-58页 |
| ·构建视觉词典 | 第53-56页 |
| ·提取像素点特征 | 第56-58页 |
| ·分类器分类 | 第58-59页 |
| ·分割结果及讨论 | 第59-64页 |
| ·数据集 | 第59页 |
| ·评价标准 | 第59-60页 |
| ·参数选择 | 第60-61页 |
| ·分割结果 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·工作总结 | 第65页 |
| ·工作展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 硕士期间已发表或完成论文 | 第72-73页 |
| 致谢 | 第73-74页 |
