基于帧间相关性的乳腺MRI三维分割
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 乳腺癌影像学检测方法 | 第9-11页 |
| 1.1.2 计算机辅助诊断的发展 | 第11页 |
| 1.1.3 医学图像分割的意义 | 第11-12页 |
| 1.2 国内外研究现状分析 | 第12-18页 |
| 1.2.1 基于数学形态学的分割方法 | 第12-14页 |
| 1.2.2 基于聚类的分割方法 | 第14页 |
| 1.2.3 基于边缘的分割方法 | 第14-16页 |
| 1.2.4 基于特定理论的分割方法 | 第16-17页 |
| 1.2.5 多种算法相结合的方法 | 第17-18页 |
| 1.3 作者工作与论文安排 | 第18-21页 |
| 1.3.1 作者工作 | 第18-19页 |
| 1.3.2 论文安排 | 第19-21页 |
| 第2章 乳腺MRI图像预处理 | 第21-27页 |
| 2.1 提取感兴趣区域 | 第21-22页 |
| 2.2 形态学预处理 | 第22-25页 |
| 2.2.1 形态学运算方法 | 第22-24页 |
| 2.2.2 基于顶帽运算的形态学处理 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于超像素的粗分割 | 第27-33页 |
| 3.1 超像素分割算法综述 | 第27-29页 |
| 3.1.1 基于图论的超像素分割 | 第27-28页 |
| 3.1.2 基于梯度下降的超像素分割 | 第28-29页 |
| 3.2 SLIC超像素粗分割 | 第29-30页 |
| 3.3 SLIC0超像素分割 | 第30-31页 |
| 3.4 基于灰度值超像素筛选 | 第31页 |
| 3.5 本章小结 | 第31-33页 |
| 第4章 基于C-V水平集的细分割 | 第33-41页 |
| 4.1 基于边缘的分割方法 | 第33-34页 |
| 4.2 水平集分割算法 | 第34-36页 |
| 4.3 C-V水平集模型 | 第36-37页 |
| 4.4 改进的C-V模型 | 第37-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第5章 基于图像帧间相关性分割 | 第41-47页 |
| 5.1 帧间相关性的概念 | 第41-42页 |
| 5.2 自动选取中间帧 | 第42-44页 |
| 5.3 帧间相关性分割步骤 | 第44页 |
| 5.4 本章小结 | 第44-47页 |
| 第6章 病灶分割结果与评价 | 第47-55页 |
| 6.1 实验环境 | 第47页 |
| 6.2 实验数据 | 第47-48页 |
| 6.3 分割流程与参数设置 | 第48-49页 |
| 6.4 分割结果 | 第49-51页 |
| 6.5 分割评价 | 第51-53页 |
| 6.5.1 分割评价标准 | 第51-52页 |
| 6.5.2 分割评价结果 | 第52-53页 |
| 6.6 本章小结 | 第53-55页 |
| 第7章 总结与展望 | 第55-59页 |
| 7.1 本文论文总结 | 第55-56页 |
| 7.2 未来展望 | 第56-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-65页 |
| 致谢 | 第65-66页 |
