| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文主要工作和创新点 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 脑部MR图像分割基础知识 | 第17-27页 |
| 2.1 了解脑部MR图像 | 第17-19页 |
| 2.1.1 了解DICOM文件格式 | 第17-18页 |
| 2.1.2 脑部MR图像分割的意义 | 第18-19页 |
| 2.1.3 脑部MR图像分割的难点 | 第19页 |
| 2.2 超像素分割相关方法介绍 | 第19-24页 |
| 2.2.1 超像素的概念 | 第19-20页 |
| 2.2.2 基于测地距离结构敏感的超像素生成算法 | 第20-23页 |
| 2.2.3 基于双边测地距离的超像素生成算法 | 第23-24页 |
| 2.3 模糊聚类图像分割算法介绍 | 第24-25页 |
| 2.3.1 传统FCM算法 | 第24-25页 |
| 2.3.2 偏场校正的模糊C均值聚类算法(FCMS) | 第25页 |
| 2.4 小结 | 第25-27页 |
| 第3章 基于概率密度加权测地距离的超像素分割算法 | 第27-45页 |
| 3.1 算法基本思想 | 第27-32页 |
| 3.1.1 脑部MR图像概率密度的定义 | 第27-29页 |
| 3.1.2 基于概率密度的种子点敏感梯度 | 第29-30页 |
| 3.1.3 基于概率密度加权测地距离 | 第30-31页 |
| 3.1.4 超像素分裂 | 第31-32页 |
| 3.2 算法主要步骤 | 第32-37页 |
| 3.2.1 超像素生成 | 第33-36页 |
| 3.2.2 超像素分裂 | 第36-37页 |
| 3.3 核心算法描述 | 第37-39页 |
| 3.4 实验结果 | 第39-42页 |
| 3.5 小结 | 第42-45页 |
| 第4章 基于超像素划分的脑部MR图像分割方法 | 第45-51页 |
| 4.1 算法基本思想 | 第45页 |
| 4.2 算法主要步骤 | 第45-47页 |
| 4.3 实验结果 | 第47-49页 |
| 4.4 小结 | 第49-51页 |
| 第5章 脑部MR图像分割方法在医学可视化系统中的应用 | 第51-61页 |
| 5.1 引言 | 第51页 |
| 5.2 可视化系统介绍 | 第51-54页 |
| 5.2.1 系统简介 | 第51-52页 |
| 5.2.2 系统组成模块 | 第52-54页 |
| 5.3 颅脑组织分割模块 | 第54-57页 |
| 5.3.1 超像素分割 | 第54-56页 |
| 5.3.2 颅脑组织结构提取 | 第56-57页 |
| 5.4 颅脑三维几何模型重建模块 | 第57-59页 |
| 5.4.1 三维重构 | 第57-59页 |
| 5.4.2 颅脑虚拟漫游 | 第59页 |
| 5.5 小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69-71页 |
| 攻读学位期间参与科研项目情况 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |