基于IVOCT图像的动脉斑块识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 冠状动脉成像技术 | 第11-13页 |
| 1.2.1 冠脉造影术 | 第11页 |
| 1.2.2 IVUS | 第11-12页 |
| 1.2.3 IVOCT | 第12-13页 |
| 1.3 IVOCT图像分析 | 第13-15页 |
| 1.3.1 人工分析与自动分析 | 第13-14页 |
| 1.3.2 当前研究现状 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 IVOCT数据来源与图像特征 | 第18-25页 |
| 2.1 IVOCT系统与图像获取 | 第18-19页 |
| 2.2 IVOCT成像原理 | 第19-22页 |
| 2.2.1 相干光干涉 | 第19-20页 |
| 2.2.2 样品响应函数 | 第20-21页 |
| 2.2.3 IVOCT图像重建 | 第21-22页 |
| 2.3 IVOCT斑块图像特征 | 第22-24页 |
| 2.4 IVOCT斑块组织分类结果评价标准 | 第24-25页 |
| 第三章 内腔轮廓自动分割 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 算法设计 | 第25-30页 |
| 3.2.1 OTSU阈值分割 | 第25-26页 |
| 3.2.2 探针去除 | 第26-27页 |
| 3.2.3 引导丝去除 | 第27-28页 |
| 3.2.4 内腔轮廓精确定位 | 第28-30页 |
| 3.3 实验结果 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 血管斑块轮廓检测 | 第33-43页 |
| 4.1 引言 | 第33页 |
| 4.2 算法设计 | 第33-38页 |
| 4.2.1 预处理 | 第33-35页 |
| 4.2.2 斑块轮廓区域检测 | 第35-37页 |
| 4.2.3 斑块轮廓精确定位 | 第37-38页 |
| 4.3 实验结果 | 第38-41页 |
| 4.3.1 验证指标 | 第38-40页 |
| 4.3.2 实验结果 | 第40-41页 |
| 4.4 讨论 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 基于斑块轮廓与图像特征的斑块识别 | 第43-53页 |
| 5.1 引言 | 第43页 |
| 5.2 算法设计 | 第43-47页 |
| 5.2.1 钙化组织检测 | 第44-45页 |
| 5.2.2 外膜组织检测 | 第45-46页 |
| 5.2.3 脂质组织检测 | 第46-47页 |
| 5.3 实验结果 | 第47-52页 |
| 5.3.1 验证指标 | 第47-48页 |
| 5.3.2 参数标定 | 第48-49页 |
| 5.3.3 实验结果 | 第49-52页 |
| 5.4 讨论 | 第52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 基于纹理特征与机器学习的斑块识别 | 第53-64页 |
| 6.1 引言 | 第53-54页 |
| 6.2 算法设计 | 第54-59页 |
| 6.2.1 基于灰度共生矩阵的纹理特征提取 | 第54-55页 |
| 6.2.2 基于小波分解的纹理特征提取 | 第55-57页 |
| 6.2.3 特征选择 | 第57页 |
| 6.2.4 随机森林算法 | 第57-59页 |
| 6.3 实验结果 | 第59-62页 |
| 6.3.1 算法参数 | 第59页 |
| 6.3.2 验证指标 | 第59-60页 |
| 6.3.3 实验结果 | 第60-62页 |
| 6.4 讨论 | 第62-63页 |
| 6.5 本章小结 | 第63-64页 |
| 第七章 总结与展望 | 第64-66页 |
| 7.1 总结 | 第64-65页 |
| 7.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简介 | 第71页 |
