核磁共振图像前列腺分割算法研究
| 摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景和选题意义 | 第13-17页 |
| 1.2 多图谱图像分割方法 | 第17-22页 |
| 1.2.1 图像配准 | 第18-20页 |
| 1.2.2 图谱选择 | 第20-21页 |
| 1.2.3 图谱融合 | 第21-22页 |
| 1.3 实验数据 | 第22-23页 |
| 1.4 本文主要工作 | 第23页 |
| 1.5 章节安排 | 第23-25页 |
| 第二章 相关理论概述 | 第25-48页 |
| 2.1 流形学习 | 第25-26页 |
| 2.1.1 流形学习的定义 | 第26页 |
| 2.2 降维算法 | 第26-38页 |
| 2.2.1 主成份分析 | 第26-29页 |
| 2.2.2 多维尺度变换 | 第29-31页 |
| 2.2.3 等距映射ISOMAP | 第31-32页 |
| 2.2.4 局部线性嵌入LLE | 第32-35页 |
| 2.2.5 拉普拉斯特征映射 | 第35-36页 |
| 2.2.6 局部保持映射算法 | 第36-38页 |
| 2.3 稀疏表示 | 第38-44页 |
| 2.3.1 信号的稀疏表示 | 第41-42页 |
| 2.3.2 过完备字典的构造 | 第42-44页 |
| 2.3.3 稀疏表示在图像信号处理领域的应用 | 第44页 |
| 2.4 评价方法 | 第44-46页 |
| 2.4.1 Dice相似系数 | 第45页 |
| 2.4.2 Hausdorff距离 | 第45-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第三章 归一化互信息在图谱选择中的应用 | 第48-54页 |
| 3.0 归一化互信息 | 第48-49页 |
| 3.1 归一化互信息选择图谱 | 第49页 |
| 3.2 分割实验 | 第49-53页 |
| 3.2.1 图像预处理 | 第49-50页 |
| 3.2.2 图谱配准与选择 | 第50-51页 |
| 3.2.3 图谱融合 | 第51页 |
| 3.2.4 实验结果 | 第51-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第四章 基于流形学习的图谱选择 | 第54-69页 |
| 4.1 基于LPP的图谱选择方法 | 第54-58页 |
| 4.2 图谱选择中使用标签图像约束 | 第58-61页 |
| 4.3 图谱融合 | 第61-62页 |
| 4.4 分割结果及分析 | 第62-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 基于稀疏表示的标签融合方法 | 第69-82页 |
| 5.1 块加权算法 | 第69-71页 |
| 5.2 块相似度计算 | 第71-72页 |
| 5.3 稀疏表示块加权算法 | 第72-74页 |
| 5.4 基于局部线性的标签融合 | 第74-76页 |
| 5.5 实验结果与分析 | 第76-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-85页 |
| 6.1 本文工作小结 | 第82页 |
| 6.2 后续工作展望 | 第82-85页 |
| 6.2.1 更多的实验 | 第82-83页 |
| 6.2.2 数据库细化 | 第83-84页 |
| 6.2.3 3D的分割研究 | 第84-85页 |
| 参考文献 | 第85-96页 |
| 读博期间发表的文章 | 第96-97页 |
| 致谢 | 第97-98页 |
