| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-17页 |
| 第二章 医学肝脏CT图像预处理 | 第17-23页 |
| 2.1 图像处理相关技术 | 第17-18页 |
| 2.1.1 DICOM标准 | 第17页 |
| 2.1.2 DICOM图像 | 第17-18页 |
| 2.1.3 DCMTK、VTK、OPENCV | 第18页 |
| 2.2 图像预处理算法研究 | 第18-20页 |
| 2.2.1 线性滤波 | 第18-19页 |
| 2.2.2 统计排序滤波 | 第19页 |
| 2.2.3 各向异性扩散滤波 | 第19-20页 |
| 2.3 肝脏图像的预处理 | 第20-22页 |
| 2.3.1 窗宽窗位技术 | 第20-21页 |
| 2.3.2 肝脏图像预处理 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 肝脏CT图像分割算法研究与改进 | 第23-47页 |
| 3.1 图像分割的定义 | 第23页 |
| 3.2 医学DICOM图像分割算法研究 | 第23-33页 |
| 3.2.1 阈值分割 | 第24页 |
| 3.2.2 区域生长分割算法 | 第24-26页 |
| 3.2.3 形态学算法 | 第26页 |
| 3.2.4 OSTU算法 | 第26-27页 |
| 3.2.5 C-V模型的水平集分割算法 | 第27-32页 |
| 3.2.6 自适应区域生长算法 | 第32-33页 |
| 3.3 基于变形率改进的自适应区域生长算法 | 第33-36页 |
| 3.4 结合神经网络与改进的自适应区域生长的图像分割 | 第36-45页 |
| 3.4.1 BP神经网络 | 第36-41页 |
| 3.4.2 基于神经网络和改进的自适应区域生长算法的图像分割 | 第41-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 可视化算法的研究与实现 | 第47-62页 |
| 4.1 引言 | 第47页 |
| 4.2 VTK可视化工具包 | 第47-48页 |
| 4.3 面绘制 | 第48-52页 |
| 4.3.1 移动立方体(Marching Cubes)算法 | 第49-50页 |
| 4.3.2 等值面与体素的交点 | 第50-51页 |
| 4.3.3 移动立方体的算法流程 | 第51页 |
| 4.3.4 基于VTK的移动立方体算法实现 | 第51-52页 |
| 4.4 体绘制 | 第52-55页 |
| 4.5 基于GPU的体绘制 | 第55-61页 |
| 4.5.1 基于GPU的光线投射算法流程 | 第55页 |
| 4.5.2 光线与包围盒体的交点相交算法 | 第55-57页 |
| 4.5.3 光线的重采样 | 第57-58页 |
| 4.5.4 颜色和不透明度的计算 | 第58-59页 |
| 4.5.5 基于GPU的光线投射算法的实现 | 第59-60页 |
| 4.5.6 CPU和GPU速度实验结果对比 | 第60-61页 |
| 4.6 肝脏区域可视化 | 第61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 可视化系统的设计与实现 | 第62-72页 |
| 5.1 系统的功能及开发环境 | 第62页 |
| 5.2 系统架构设计及界面设计 | 第62-64页 |
| 5.2.1 系统架构设计 | 第62-63页 |
| 5.2.2 系统模块设计 | 第63页 |
| 5.2.3 系统的整体实现 | 第63-64页 |
| 5.3 系统的详细设计 | 第64-70页 |
| 5.3.1 图像显示模块 | 第64-65页 |
| 5.3.2 图像分割模块 | 第65-66页 |
| 5.3.3 面绘制 | 第66-67页 |
| 5.3.4 体绘制 | 第67-68页 |
| 5.3.5 人工交互模块 | 第68-70页 |
| 5.4 系统测试 | 第70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-75页 |
| 6.1 总结 | 第72-73页 |
| 6.2 工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
