基于有限混合模型的脑MRI图像分割算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·医学图像分割的背景和意义 | 第8-9页 |
| ·医学图像分割的原理和定义 | 第9-10页 |
| ·医学图像分割的发展现状和研究趋势 | 第10-11页 |
| ·核磁共振成像简介及脑MRI图像分割 | 第11-13页 |
| ·本文的研究内容与组织结构 | 第13-14页 |
| 2 医学图像分割方法概述 | 第14-19页 |
| ·基于区域的分割方法 | 第14-16页 |
| ·阈值分割 | 第14页 |
| ·分类器和聚类 | 第14-15页 |
| ·基于随机场的方法 | 第15-16页 |
| ·区域生长和分裂合并 | 第16页 |
| ·其他基于统计学的方法 | 第16页 |
| ·基于边界的分割方法 | 第16-17页 |
| ·结合区域与边界信息的方法 | 第17页 |
| ·基于模糊集理论的方法 | 第17页 |
| ·基于神经网络的方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3 基于有限混合模型的医学图像分割 | 第19-42页 |
| ·聚类分割技术 | 第19-22页 |
| ·聚类分析的基本概念 | 第19-20页 |
| ·聚类算法 | 第20-22页 |
| ·基于有限混合模型的聚类算法 | 第22-23页 |
| ·有限混合模型 | 第22-23页 |
| ·贝叶斯决策理论 | 第23页 |
| ·实验数据的来源 | 第23-24页 |
| ·分割效果的评价 | 第24-25页 |
| ·分割效果评价的目的和作用 | 第24页 |
| ·分割效果的定量评价方法 | 第24-25页 |
| ·一种包含空间约束的高斯混合模型图像分割方法 | 第25-31页 |
| ·有限高斯混合模型 | 第25页 |
| ·基于马尔可夫随机场的高斯混合模型 | 第25-26页 |
| ·本节算法的详细介绍 | 第26-29页 |
| ·实验结果分析 | 第29-31页 |
| ·一种利用狄利克雷分布包含空间约束的t混合模型 | 第31-41页 |
| ·有限t混合模型 | 第32页 |
| ·图像分割中的有限t混合模型 | 第32-33页 |
| ·梯度法 | 第33-34页 |
| ·本节算法的详细介绍 | 第34-39页 |
| ·实验结果分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 一种包含空间约束的改进t混合模型 | 第42-51页 |
| ·算法的详细介绍 | 第42-44页 |
| ·参数的学习过程 | 第44-46页 |
| ·实验结果分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51-52页 |
| ·未来工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |
