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 |