| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 医学成像 | 第10-11页 |
| 1.1.2 脑血管疾病 | 第11-12页 |
| 1.1.3 研究意义 | 第12页 |
| 1.1.4 应用价值 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 MRA脑血管分割存在的问题 | 第14-15页 |
| 1.4 研究内容和论文结构 | 第15-18页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 论文结构 | 第15-18页 |
| 第2章 医学图像分割技术 | 第18-30页 |
| 2.1 医学图像基本概念 | 第18-20页 |
| 2.1.1 医学图像的特点 | 第18-19页 |
| 2.1.2 医学图像分割 | 第19-20页 |
| 2.2 阈值分割 | 第20-22页 |
| 2.2.1 迭代式阈值选择 | 第21页 |
| 2.2.2 Ostu法阈值选择 | 第21-22页 |
| 2.3 区域生长法 | 第22-23页 |
| 2.4 水平集方法 | 第23-28页 |
| 2.4.1 水平集方法 | 第24-25页 |
| 2.4.2 Mumford-Shah模型 | 第25-26页 |
| 2.4.3 CV模型 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于改进HESSIAN多尺度血管增强算法设计与实现 | 第30-50页 |
| 3.1 图像增强 | 第30-32页 |
| 3.2 传统Hessian多尺度滤波 | 第32-37页 |
| 3.3 改进Hessian多尺度增强算法 | 第37-39页 |
| 3.4 实验结果 | 第39-47页 |
| 3.4.1 实验数据 | 第39页 |
| 3.4.2 实验环境 | 第39-40页 |
| 3.4.3 结果评价 | 第40-47页 |
| 3.5 本章小结 | 第47-50页 |
| 第4章 基于管状特征的模糊C均值血管分割算法设计与实现 | 第50-72页 |
| 4.1 模糊聚类理论 | 第50-57页 |
| 4.1.1 模糊集合理论 | 第50-51页 |
| 4.1.2 聚类方法理论 | 第51-56页 |
| 4.1.3 模糊聚类算法 | 第56-57页 |
| 4.2 模糊C均值算法 | 第57-59页 |
| 4.3 初始聚类中心的选择 | 第59-61页 |
| 4.4 基于管状特征的MRA模糊C均值血管分割算法 | 第61-64页 |
| 4.5 实验结果 | 第64-71页 |
| 4.5.1 实验数据 | 第64-65页 |
| 4.5.2 实验环境 | 第65页 |
| 4.5.3 结果评价 | 第65-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻硕期间参与项目及论文情况 | 第80页 |
