对脑血管病变程度自动化评价方法的研究
| 目录 | 第1-7页 |
| Menu | 第7-10页 |
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·综述 | 第12页 |
| ·数字减影血管造影术(DSA) | 第12-13页 |
| ·国内外主要研究方向 | 第13-15页 |
| ·血管图像分割技术 | 第13-15页 |
| ·骨架及血管直径提取 | 第15页 |
| ·血管拓扑结构识别 | 第15页 |
| ·主要研究内容和论文结构安排 | 第15-17页 |
| 第二章 脑血管图像预处理及特征提取 | 第17-33页 |
| ·高斯核函数及高斯滤波 | 第17-18页 |
| ·DSA图像融合 | 第18-20页 |
| ·常用的基于空域图像融合算法[49] | 第18-19页 |
| ·最小值图像融合方法 | 第19-20页 |
| ·Hessian矩阵 | 第20-25页 |
| ·Hessian矩阵血管增强原理 | 第20-23页 |
| ·多尺度血管增强测度及规范化 | 第23-24页 |
| ·基于最大特征值血管测度 | 第24-25页 |
| ·距离变换 | 第25-27页 |
| ·距离的定义 | 第25-26页 |
| ·数字图像中常用的距离 | 第26-27页 |
| ·基于轮廓线的欧式距离变换 | 第27-29页 |
| ·脑血管关键点的提取 | 第29-30页 |
| ·自适应Gabor方向滤波器脑提取血管方向场 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第三章 脑血管拓扑结构分析及识别 | 第33-47页 |
| ·管拓扑结构识别综述 | 第33页 |
| ·血管造影图像骨架提取 | 第33-40页 |
| ·骨架的定义 | 第33-34页 |
| ·烧草(grassfire)模型 | 第34-35页 |
| ·距离场模型 | 第35-36页 |
| ·广义势能场模型 | 第36页 |
| ·数学形态细化法求取脑血管造影图像骨架 | 第36-39页 |
| ·骨架优化 | 第39-40页 |
| ·脑血管节点识别 | 第40-43页 |
| ·基于节点的血管拓扑分解 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第四章 脑血管病变程度的自动化评价 | 第47-53页 |
| ·脑血管病变程度评价准则 | 第47-50页 |
| ·最小直径 | 第47页 |
| ·窄度 | 第47-48页 |
| ·变度 | 第48-49页 |
| ·残缺度 | 第49-50页 |
| ·两个关于脑血管评价标准的评估指标 | 第50页 |
| ·查准率 | 第50页 |
| ·查全率 | 第50页 |
| ·基于血管骨架分解的血管病变程度评价方法 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 脑血管病变程度自动化评价系统软件设计 | 第53-59页 |
| ·设计模式简介 | 第53-54页 |
| ·设计模式的设计原则 | 第54页 |
| ·开放闭合原则 | 第54页 |
| ·依赖倒转原则 | 第54页 |
| ·里氏代换原则 | 第54页 |
| ·迪米特法则 | 第54页 |
| ·设计模式的分类 | 第54-55页 |
| ·设计模式在系统开发中的应用 | 第55-57页 |
| ·外观模式 | 第55-56页 |
| ·策略模式 | 第56页 |
| ·单例模式 | 第56-57页 |
| ·脑血管病变程度评价系统的软件设计 | 第57-58页 |
| ·软件系统的逻辑结构 | 第57页 |
| ·脑血管病变评价系统的实现 | 第57-58页 |
| ·系统测试效果 | 第58页 |
| ·小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·全文总结 | 第59页 |
| ·主要创新点 | 第59-60页 |
| ·后续研究方向的讨论 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
