| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·图像分割的定义 | 第11-12页 |
| ·磁共振成像简介 | 第12-13页 |
| ·脑 MRI（Magnetic Resonance Imaging）图像分割研究的意义 | 第13-14页 |
| ·脑MRI 图像分割研究的特点 | 第14-15页 |
| ·论文主要研究工作及内容安排 | 第15-17页 |
| 第二章 脑MRI 图像分割技术研究 | 第17-25页 |
| ·脑磁共振成像 | 第17-19页 |
| ·脑磁共振成像的数学描述 | 第19-20页 |
| ·脑图像分割方法简介 | 第20-23页 |
| ·基于边界的分割方法 | 第20-21页 |
| ·基于区域的分割方法 | 第21-22页 |
| ·结合特定理论的分割方法 | 第22-23页 |
| ·其它分割方法 | 第23页 |
| ·脑MRI 图像分割算法研究中的问题 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 脑 MRI 图像预处理 | 第25-31页 |
| ·MRI 图像噪声 | 第25页 |
| ·支持向量聚类 | 第25-28页 |
| ·支持向量聚类算法 | 第26-27页 |
| ·标类 | 第27-28页 |
| ·参数选择 | 第28页 |
| ·基于SVC 多窗口的脑MRI 图像去噪 | 第28-30页 |
| ·算法设计 | 第28-29页 |
| ·实验结果及分析 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于仿生模式识别的脑 MRI 图像分割 | 第31-48页 |
| ·神经网络技术简介 | 第31页 |
| ·传统神经网络分割磁共振图像 | 第31-32页 |
| ·人工神经元模型及其在多维空间中的解释 | 第32-33页 |
| ·仿生模式识别及其神经网络的实现 | 第33-37页 |
| ·仿生模式识别简介 | 第34页 |
| ·仿生模式识别与传统模式识别的差别 | 第34-35页 |
| ·仿生模式识别与ψ~3 神经元模型 | 第35-37页 |
| ·基于仿生模式识别的脑MRI 图像分割 | 第37-44页 |
| ·基于灰度共生矩阵的图像特征提取 | 第37-40页 |
| ·多权值神经元构造 | 第40-41页 |
| ·多权值神经元网络结构 | 第41-42页 |
| ·算法设计 | 第42-44页 |
| ·实验结果与分析 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·总结 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 附录 （攻读硕士期间发表的论文） | 第56页 |