脑图像的分割与特征识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景意义 | 第9页 |
| 1.2 国内外发展现状 | 第9-11页 |
| 1.2.1 脑组织分割研究现状 | 第9-10页 |
| 1.2.2 脑图像特征提取与模式识别研究现状 | 第10-11页 |
| 1.3 本文主要研究组织结构 | 第11-12页 |
| 第2章 医学图像处理及相关知识介绍 | 第12-20页 |
| 2.1 脑部磁共振成像简介 | 第12-15页 |
| 2.2 脑图像预处理 | 第15-16页 |
| 2.3 脑结构磁共振分割方法 | 第16-18页 |
| 2.3.1 基于阈值的分割方法 | 第16-17页 |
| 2.3.2 基于区域的分割方法 | 第17页 |
| 2.3.3 基于边缘检测的分割方法 | 第17-18页 |
| 2.3.4 基于模糊集理论的分割方法 | 第18页 |
| 2.4 常用图像模式识别方法介绍 | 第18-19页 |
| 2.4.1 统计模式识别 | 第18页 |
| 2.4.2 神经网络模式识别 | 第18-19页 |
| 2.4.3 模糊模式识别 | 第19页 |
| 2.4.4 支持向量机模式识别 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 脑MRI图像的分割 | 第20-35页 |
| 3.1 FCM算法的原理 | 第20-21页 |
| 3.2 KFCM算法的原理 | 第21-23页 |
| 3.3 模拟退火遗传算法 | 第23-27页 |
| 3.3.1 模拟退火算法 | 第24-25页 |
| 3.3.2 遗传算法 | 第25-26页 |
| 3.3.3 模拟退火遗传算法步骤 | 第26-27页 |
| 3.4 基于模拟退火遗传算法KFCM分割 | 第27-30页 |
| 3.4.1 染色体编码及种群初始化 | 第27-28页 |
| 3.4.2 适应度的计算 | 第28页 |
| 3.4.3 模拟退火遗传KFCM算法流程 | 第28-30页 |
| 3.5 分割实验结果分析 | 第30-33页 |
| 3.5.1 数据来源 | 第30页 |
| 3.5.2 分割评价方法 | 第30页 |
| 3.5.3 分割算法验证 | 第30-32页 |
| 3.5.4 临床实际脑MRI图像实验 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 第4章 脑MRI图像的特征识别 | 第35-48页 |
| 4.1 纹理特征提取 | 第35-36页 |
| 4.2 灰度共生矩阵 | 第36-42页 |
| 4.2.1 医学图像中的灰度共生矩阵 | 第36-37页 |
| 4.2.2 灰度共生矩阵特征提取算法 | 第37-42页 |
| 4.3 混合核SVM识别算法 | 第42-45页 |
| 4.3.1 支持向量机分类方法的基本理论 | 第42-43页 |
| 4.3.2 核函数基本理论 | 第43-45页 |
| 4.4 混合核SVM算法在脑MRI图像识别中应用 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 作者简介 | 第54-55页 |
| 攻读硕士学位期间研究成果 | 第55页 |
