首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

MRI图像脑肿瘤分割与EEG脑癫痫检测的研究

摘要第1-6页
Abstract第6-11页
1 绪论第11-27页
   ·本课题的研究背景第11-13页
   ·核磁共振成像(MRI)技术及脑肿瘤MRI特点第13-20页
     ·核磁共振成像原理第13-15页
     ·核磁共振成像序列第15-16页
     ·核磁共振成像的优点第16页
     ·核磁共振成像的缺点第16-17页
     ·核磁共振成像检查适应症第17页
     ·常见脑肿瘤及其MRI成像特点第17-20页
   ·脑电信号(EEG)及癫痫波EEG特点第20-22页
   ·本论文的研究内容及结构安排第22-27页
     ·本论文的研究内容第22-26页
     ·论文的组织结构第26-27页
2 医学图像分割方法综述第27-35页
   ·基于区域的图像分割技术第29-33页
   ·基于边界的图像分割技术第33-34页
   ·基于区域和边界融合的图像分割技术第34-35页
3 变形轮廓模型第35-58页
   ·参数变形曲线演化模型第35-38页
     ·气球蛇模型第36-37页
     ·拓扑蛇模型第37页
     ·距离蛇模型第37-38页
     ·梯度矢量流模型第38页
   ·水平集活动轮廓模型第38-58页
     ·原始水平集方法第39-47页
     ·测地线水平集活动轮廓模型第47页
     ·面积长度最小化活动轮廓模型第47-48页
     ·约束优化方法第48-49页
     ·无边界活动轮廓模型第49-58页
4 MRI图像脑肿瘤分割第58-67页
   ·MRI图像肿瘤分割流程图第58页
   ·大脑对称平面第58-60页
   ·大脑MRI图像预处理第60-61页
   ·分割算法第61-67页
     ·中矢面估计及肿瘤初始边界的确定第61-65页
     ·水平集函数迭代—帧内分割第65页
     ·分割结果投影—帧间分割第65-67页
5 肿瘤分割结果与验证第67-81页
6 基于脑电信号时频分析的脑癫痫波检测第81-96页
   ·EEG脑癫痫波检测方法第81-84页
     ·α稳定分布描述和分析方法第81-83页
     ·EEG癫痫波神经网络检测方法第83-84页
     ·EEG时频分析方法第84页
   ·时频分析基本原理第84-85页
   ·SVD减小交叉项方法第85-90页
     ·实现原理第85-90页
   ·EMD抑制交叉项方法第90-96页
     ·实现原理第90-91页
     ·EMD方法应用于EEG脑癫痫检测第91-96页
结论第96-99页
 1 本论文工作总结第96-97页
 2 进一步工作与展望第97-99页
参考文献第99-108页
攻读博士学位期间发表学术论文情况第108-109页
致谢第109-110页
作者简介第110-112页

论文共112页,点击 下载论文
上一篇:非参数变形模型结合模糊技术的MRI图像分割
下一篇:基于非刚性配准的图像分割研究及其在脑部MRI图像中的应用