面向临床应用的脑部MR图像分割算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 脑部MR图像计算机辅助检测系统 | 第13-14页 |
| 1.3.1 目标及应用价值 | 第13-14页 |
| 1.3.2 面临的问题 | 第14页 |
| 1.4 本文的研究内容与组织结构 | 第14-16页 |
| 第2章 颅骨及背景去除 | 第16-30页 |
| 2.1 常见的图像分割方法 | 第16-19页 |
| 2.1.1 阈值分割 | 第16-17页 |
| 2.1.2 区域增长技术 | 第17页 |
| 2.1.3 聚类技术 | 第17-19页 |
| 2.2 脑组织分割算法 | 第19-26页 |
| 2.2.1 背景的去除与颅脑的分离 | 第19-23页 |
| 2.2.2 脑组织连通域的确定 | 第23-25页 |
| 2.2.3 脑组织的匹配 | 第25-26页 |
| 2.3 实验结果与分析 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 脑组织的分割 | 第30-50页 |
| 3.1 基于C均值聚类的相关算法 | 第30-33页 |
| 3.1.1 快速C均值聚类算法 | 第31页 |
| 3.1.2 模糊C均值聚类算法 | 第31-32页 |
| 3.1.3 强鲁棒性模糊C均值聚类算法 | 第32-33页 |
| 3.2 改进的强鲁棒性模糊聚类算法 | 第33-35页 |
| 3.3 具有偏移场校正功能的IFCM | 第35-43页 |
| 3.3.1 偏移场相关处理方法 | 第36-38页 |
| 3.3.2 偏移场校正算法原理与过程 | 第38-41页 |
| 3.3.3 校正后图像与偏移场的获得 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 脑肿瘤的自动分割 | 第50-68页 |
| 4.1 脑肿瘤的分类及特点 | 第50-52页 |
| 4.2 模糊连接度理论 | 第52-57页 |
| 4.2.1 经典的模糊连接度算法 | 第52-55页 |
| 4.2.2 其他模糊连接度算法 | 第55-57页 |
| 4.3 基于模糊连接度的脑肿瘤自动分割算法 | 第57-66页 |
| 4.3.1 图像初分割与样本区的确定 | 第57-60页 |
| 4.3.2 改进的模糊连接度算法 | 第60-64页 |
| 4.3.3 实验及结果分析 | 第64-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第5章 计算机辅助检测平台 | 第68-76页 |
| 5.1 平台的结构与原理 | 第68-70页 |
| 5.2 平台的图像处理功能 | 第70-74页 |
| 5.3 后续的改进与完善 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
