基于边界空间学习的医学图像分割算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 研究目的与意义 | 第7页 |
| 1.2 医学图像分割算法研究 | 第7-9页 |
| 1.2.1 医学图像的特点 | 第8页 |
| 1.2.2 医学图像分割的意义 | 第8页 |
| 1.2.3 国内外研究现状 | 第8-9页 |
| 1.3 心脏类图像分割算法研究 | 第9-11页 |
| 1.3.1 心脏类图像分割算法的特点 | 第9页 |
| 1.3.2 心脏类图像分割的国内外研究现状 | 第9-11页 |
| 1.4 论文研究内容和结构安排 | 第11-12页 |
| 第2章 心脏目标检测 | 第12-26页 |
| 2.1 目标检测算法 | 第12-13页 |
| 2.2 Haar-like特征 | 第13-16页 |
| 2.2.1 Haar-like特征介绍 | 第13-15页 |
| 2.2.2 积分图 | 第15-16页 |
| 2.2.3 Haar-like特征的应用 | 第16页 |
| 2.3 Adaboost算法 | 第16-19页 |
| 2.4 分类器训练效果 | 第19-25页 |
| 2.4.1 训练集 | 第20-22页 |
| 2.4.2 训练结果 | 第22页 |
| 2.4.3 测试集与检测结果 | 第22-25页 |
| 2.5 总结 | 第25-26页 |
| 第3章 基于边界空间学习的心脏目标检测 | 第26-35页 |
| 3.1 心脏的组件模型 | 第27-28页 |
| 3.2 位置参数的估计 | 第28-29页 |
| 3.3 位置-方向参数的估计 | 第29页 |
| 3.4 位置-方向-尺度参数的估计 | 第29-30页 |
| 3.5 测试图像的检测结果 | 第30-34页 |
| 3.5.1 检测集 | 第30页 |
| 3.5.2 基于边界空间学习训练分类器 | 第30-31页 |
| 3.5.3 训练结果 | 第31-32页 |
| 3.5.4 检测结果 | 第32-34页 |
| 3.6 总结 | 第34-35页 |
| 第4章 基于主动形状模型的心脏分割算法 | 第35-48页 |
| 4.1 基于ASM的训练 | 第35-40页 |
| 4.1.1 标记训练集 | 第36-37页 |
| 4.1.2 训练集形状对齐与配准 | 第37-38页 |
| 4.1.3 获得统计信息建立模型 | 第38-39页 |
| 4.1.4 为每个特征点构造局部特征 | 第39-40页 |
| 4.2 基于ASM的搜索分割 | 第40-42页 |
| 4.2.1 初始化平均模型 | 第41页 |
| 4.2.2 特征点局部特征提取 | 第41-42页 |
| 4.2.3 参数更新 | 第42页 |
| 4.2.4 匹配结束 | 第42页 |
| 4.3 算法结果 | 第42-47页 |
| 4.3.1 训练集 | 第42-43页 |
| 4.3.2 预处理 | 第43-44页 |
| 4.3.3 搜索结果 | 第44-46页 |
| 4.3.4 心脏分割结果的评估 | 第46-47页 |
| 4.4 总结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 在学期间发表的学术论文及研究成果 | 第56页 |
