| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的研究背景和研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文主要研究内容和创新点 | 第16-18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 第二章 可穿戴式先心病手术辅助系统 | 第20-50页 |
| 2.1 系统开发背景 | 第20-23页 |
| 2.1.1 手术辅助系统概述 | 第20页 |
| 2.1.2 先心病外科手术临床需求 | 第20-21页 |
| 2.1.3 增强现实、混合现实及虚拟现实技术的发展 | 第21-23页 |
| 2.2 可穿戴式智能手术辅助系统框架 | 第23-24页 |
| 2.3 后端影像处理平台 | 第24-43页 |
| 2.3.1 基于3DMed的后端医学影像处理平台 | 第24-38页 |
| 2.3.2 基于3DSlicer的后端医学影像处理平台 | 第38-43页 |
| 2.4 前端可穿戴式显示设备 | 第43-48页 |
| 2.4.1 可穿戴式显示设备硬件 | 第43-46页 |
| 2.4.2 可穿戴式显示设备软件 | 第46-48页 |
| 2.5 系统的临床试用 | 第48-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第三章 由CT影像定量评估主动脉缩窄程度的诊断算法 | 第50-66页 |
| 3.1 主动脉缩窄及其临床诊断 | 第50页 |
| 3.2 研究目的与意义 | 第50-51页 |
| 3.3 研究思路及方法 | 第51页 |
| 3.4 数据采集及统计 | 第51-54页 |
| 3.4.1 数据采集 | 第51页 |
| 3.4.2 基本数据统计 | 第51-54页 |
| 3.5 特征定义与提取 | 第54-57页 |
| 3.6 特征选择 | 第57-58页 |
| 3.7 机器学习训练 | 第58-59页 |
| 3.8 训练后模型 | 第59-60页 |
| 3.9 最优模型测试 | 第60-61页 |
| 3.10 研究结论及讨论 | 第61-62页 |
| 3.11 采用过的其他研究方法 | 第62-65页 |
| 3.12 本章小结 | 第65-66页 |
| 第四章 基于多尺度Hessian矩阵的心导管检查造影图像分割算法 | 第66-76页 |
| 4.1 心导管检查及其图像分割 | 第66-67页 |
| 4.2 Hessian矩阵 | 第67-70页 |
| 4.2.1 Hessian矩阵及其微分 | 第68-69页 |
| 4.2.2 Hessian矩阵特征值 | 第69-70页 |
| 4.3 定义概率响应函数 | 第70页 |
| 4.4 Hessian矩阵分割造影图算法流程及实现 | 第70-72页 |
| 4.4.1 算法流程 | 第70-71页 |
| 4.4.2 核心代码实现 | 第71-72页 |
| 4.5 图像处理结果 | 第72-74页 |
| 4.6 本章小结 | 第74-76页 |
| 第五章 总结与展望 | 第76-80页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-88页 |
| 附录一 3DMed截图保存为本地的核心代码（C++） | 第88-90页 |
| 附录二 3D Slicer插件程序（Python） | 第90-96页 |
| 附录三 Boruta特征选择算法的核心代码（R） | 第96-97页 |
