首页--医药、卫生论文--基础医学论文--医用一般科学论文

基于水平集方法的医学影像组织分割算法研究

摘要第5-7页
Abstract第7-9页
第1章 引言第13-31页
    1.1 研究背景及课题意义第13-17页
        1.1.1 阿尔兹海默症的特点及其MR影像表现第14-15页
        1.1.2 肾脏疾病的特点及其超声影像表现第15-16页
        1.1.3 肺癌特点及其PET-CT影像表现第16-17页
    1.2 医学影像分割算法概述第17-24页
        1.2.1 基于边界的分割方法第18-19页
        1.2.2 基于区域的分割方法第19-20页
        1.2.3 基于统计学的分割方法第20页
        1.2.4 基于图谱的分割方法第20-22页
        1.2.5 基于可变形模型的分割方法第22-24页
    1.3 水平集方法在医学影像分割中的应用与优势第24-27页
    1.4 研究内容与创新点第27-28页
    1.5 章节安排第28-31页
第2章 曲线演化模型与水平集方法第31-41页
    2.1 参数活动轮廓模型第31-33页
    2.2 曲线演化理论第33-35页
    2.3 水平集方法基本理论第35-38页
        2.3.1 水平集函数的构造第36-37页
        2.3.2 水平集演化理论第37-38页
    2.4 经典水平集模型第38-40页
        2.4.1 Mumford-Shah模型第38-39页
        2.4.2 Chan-Vese模型第39-40页
    2.5 本章小结第40-41页
第3章 基于水平集方法图谱融合的MR影像脑组织分割第41-61页
    3.1 脑部MRI成像特点及分割难点第41-42页
    3.2 基于水平集方法的多图谱分割算法框架第42-53页
        3.2.1 多图谱的配准第44-45页
        3.2.2 基于水平集方法的标签融合第45-53页
        3.2.3 基于互相关系数的图谱选择第53页
    3.3 实验结果与分析第53-59页
        3.3.1 实验数据第53-54页
        3.3.2 参数设置及评价方法第54-55页
        3.3.3 ROI的分割结果与分析第55-59页
    3.4 本章小结第59-61页
第4章 基于两步水平集方法的超声影像肾实质分割第61-77页
    4.1 肾脏超声影像特点和分割难点第61-62页
    4.2 两步水平集方法算法框架第62-63页
    4.3 距离正则化水平集模型第63-68页
        4.3.1 能量模型的定义第63-65页
        4.3.2 能量函数最小化第65-67页
        4.3.3 距离正则化水平集模型的改进第67-68页
    4.4 RSF(region-scalable fitting)模型第68-69页
        4.4.1 能量模型的定义第68页
        4.4.2 能量函数最小化第68-69页
    4.5 实验结果与分析第69-74页
        4.5.1 实验数据第69-70页
        4.5.2 参数设置及评价方法第70页
        4.5.3 肾实质分割结果及其评价第70-74页
    4.6 本章小结第74-77页
第5章 基于AAR和水平集方法的PET-CT淋巴结分割第77-97页
    5.1 淋巴结PET-CT成像特点与分割难点第77-79页
    5.2 AAR (Automatic Anatomy Recognition)模型第79-86页
        5.2.1 AAR模型描述第79-80页
        5.2.2 模糊淋巴结区域模型的建立第80-84页
        5.2.3 模糊淋巴结区域的识别第84-86页
        5.2.4 淋巴结的定位与检测第86页
    5.3 基于AAR方法的水平集模型初始化第86-87页
    5.4 实验结果与分析第87-96页
        5.4.1 实验数据第87-88页
        5.4.2 参数设置及评价方法第88页
        5.4.3 淋巴结的检测和分割结果及其评价第88-96页
    5.5 本章小结第96-97页
第6章 总结与展望第97-101页
    6.1 工作总结第97-98页
    6.2 工作展望第98-101页
参考文献第101-115页
致谢第115-117页
攻读学位期间发表的论文第117-119页
个人简介第119页

论文共119页,点击 下载论文
上一篇:海战场舰船目标检测与识别研究
下一篇:时间序列的多粒度智能分析方法研究