基于纹理特征的颅脑CT图像病变自动化检出算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-29页 |
| ·引言 | 第13-14页 |
| ·国内外颅脑病变检出研究现状及分析 | 第14-24页 |
| ·颅脑病变检出算法的研究现状 | 第15-21页 |
| ·颅脑病变检出的难点 | 第21-23页 |
| ·当前研究存在的不足 | 第23-24页 |
| ·选题意义 | 第24-25页 |
| 一、适应医学影像技术飞速发展的要求 | 第24-25页 |
| 二、解决目前针对颅脑病变检出研究的局限性 | 第25页 |
| ·论文的主要工作与创新 | 第25-26页 |
| ·论文内容的安排 | 第26-29页 |
| 第2章 基于先验知识的纹理层析向量 | 第29-61页 |
| ·引言 | 第29-30页 |
| ·医学图像的纹理研究现状 | 第30-35页 |
| ·纹理在医学图像中的应用 | 第31-32页 |
| ·纹理特征的提取算法 | 第32-35页 |
| ·颅脑CT图像的先验知识 | 第35-38页 |
| ·图像灰度值与CT值 | 第35-37页 |
| ·颅脑CT图像的组成 | 第37-38页 |
| ·纹理层析向量(TLAV)的构造 | 第38-54页 |
| ·离散小波变换 | 第39-40页 |
| ·树结构小波分解 | 第40-49页 |
| ·纹理层析向量的构造 | 第49-54页 |
| ·纹理层析向量的讨论 | 第54-59页 |
| ·纹理描述的讨论 | 第54-56页 |
| ·旋转不变性的讨论 | 第56-59页 |
| ·颅脑容积变化的讨论 | 第59页 |
| ·本章小结 | 第59-61页 |
| 第3章 TLAV在非刚性配准算法中的应用 | 第61-81页 |
| ·引言 | 第61-62页 |
| ·非刚性配准技术的研究现状 | 第62-69页 |
| ·灰度驱动算法 | 第63-65页 |
| ·模型驱动算法 | 第65-69页 |
| ·综合性算法 | 第69页 |
| ·基于TLAV的标志点自动搜索算法 | 第69-76页 |
| ·基于TLAV的标志点自动搜索算法 | 第70-74页 |
| ·实验及结果 | 第74-76页 |
| ·讨论 | 第76-79页 |
| ·婴儿的颅脑CT图像 | 第76-77页 |
| ·容积数据的讨论 | 第77-78页 |
| ·CT图像层厚的讨论 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 第4章 基于纹理层析向量的数字化统计图谱 | 第81-95页 |
| ·引言 | 第81-82页 |
| ·数字化统计图谱的研究现状 | 第82-84页 |
| ·基于灰度的方法 | 第82-83页 |
| ·基于标注的方法 | 第83-84页 |
| ·基于形变的方法 | 第84页 |
| ·基于纹理层析向量的数字化统计图谱 | 第84-92页 |
| ·正常颅脑 CT图像的采集 | 第85-87页 |
| ·样本图像的非刚性配准 | 第87-88页 |
| ·数字化统计图谱的自动创建 | 第88-90页 |
| ·实验结果 | 第90-92页 |
| ·讨论 | 第92-93页 |
| ·本章小结 | 第93-95页 |
| 第5章 颅脑CT图像病变的计算机检出 | 第95-107页 |
| ·引言 | 第95-96页 |
| ·实验方法 | 第96-97页 |
| ·实验结果 | 第97-101页 |
| ·讨论 | 第101-105页 |
| ·颅骨对病变检出的影响 | 第102-103页 |
| ·非刚性配准性能对病变检出的影响 | 第103-104页 |
| ·病变检出类型的讨论 | 第104-105页 |
| ·本章小结 | 第105-107页 |
| 第6章 总结与展望 | 第107-113页 |
| ·论文的主要研究成果与创新 | 第107-109页 |
| ·研究工作的不足 | 第109-110页 |
| ·进一步的研究内容和方向 | 第110-113页 |
| 参考文献 | 第113-127页 |
| 致谢 | 第127-128页 |
| 插图目录 | 第128-130页 |
| 博士期间发表论文情况 | 第130页 |
