| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 注释表 | 第15-16页 |
| 第一章 绪论 | 第16-34页 |
| 1.1 引言 | 第16页 |
| 1.2 研究现状及面临的问题 | 第16-23页 |
| 1.2.1 医学图像分割定义及分类 | 第16-22页 |
| 1.2.2 讨论与结论 | 第22-23页 |
| 1.3 本文动机及研究内容 | 第23-26页 |
| 1.3.1 研究动机 | 第23-25页 |
| 1.3.2 研究内容 | 第25-26页 |
| 1.4 本文内容安排 | 第26-29页 |
| [本章参考文献] | 第29-34页 |
| 第二章 眼底与眼底图像 | 第34-44页 |
| 2.1 眼底及主要解剖结构光谱特征分析 | 第34-36页 |
| 2.1.1 眼底及解剖结构 | 第34-35页 |
| 2.1.2 眼底主要解剖结构光谱特征分析 | 第35-36页 |
| 2.2 眼底图像采集与表示 | 第36-40页 |
| 2.2.1 眼底图像采集 | 第37-38页 |
| 2.2.2 眼底图像表示 | 第38-40页 |
| 2.3 实验所用数据库及评价指标 | 第40-42页 |
| 2.3.1 实验数据库 | 第40页 |
| 2.3.2 分割算法评估 | 第40-42页 |
| 2.4 本章小结 | 第42页 |
| [本章参考文献] | 第42-44页 |
| 第三章 眼底图像中硬性渗出分割方法 | 第44-78页 |
| 3.1 引言 | 第44-45页 |
| 3.2 基于视网膜主血管方向的视盘定位及提取方法 | 第45-49页 |
| 3.3 基于数学形态学的硬性渗出分割方法 | 第49-57页 |
| 3.3.1 数学形态学基本理论 | 第50-52页 |
| 3.3.2 形态学重建算法 | 第52-55页 |
| 3.3.3 基于数学形态学的EXs分割方法 | 第55-57页 |
| 3.4 基于阈值分割及模式分类器的硬性渗出自动检测方法 | 第57-72页 |
| 3.4.1 模式分类器 | 第58-64页 |
| 3.4.2 算法实现过程 | 第64-72页 |
| 3.5 算法整体性能评价及讨论 | 第72-74页 |
| 3.6 本章小结 | 第74页 |
| [本章参考文献] | 第74-78页 |
| 第四章 眼底图像中糖网白色病灶分割方法 | 第78-94页 |
| 4.1 引言 | 第78-79页 |
| 4.2 改进的FCM算法 | 第79-84页 |
| 4.2.1 K-Means算法 | 第79-80页 |
| 4.2.2 FCM算法 | 第80-82页 |
| 4.2.3 IFCM算法 | 第82-84页 |
| 4.3 基于IFCM及SVM的糖网白色病灶分割方法 | 第84-86页 |
| 4.3.1 IFCM算法分割彩色眼底图像获取糖网白色病灶候选区域 | 第84-86页 |
| 4.3.2 SVM分类器设计及候选区域特征提取 | 第86页 |
| 4.4 实验结果与讨论 | 第86-92页 |
| 4.4.1 实验材料及设备 | 第86-87页 |
| 4.4.2 实验结果 | 第87-92页 |
| 4.4.3 讨论 | 第92页 |
| 4.5 本章小结 | 第92-93页 |
| [本章参考文献] | 第93-94页 |
| 第五章 眼底图像中视网膜内出血分割方法 | 第94-109页 |
| 5.1 引言 | 第94-96页 |
| 5.2 基于多模板匹配的局部自适应区域生长法 | 第96-99页 |
| 5.2.1 NCC快速模板匹配法 | 第96-98页 |
| 5.2.2 基于多模板匹配的局部自适应区域生长法 | 第98-99页 |
| 5.3 基于多模板匹配的局部自适应区域生长法实现Hs自动检测 | 第99-103页 |
| 5.3.1 预处理 | 第100-102页 |
| 5.3.2 多模板快速匹配 | 第102页 |
| 5.3.3 假阳去除 | 第102页 |
| 5.3.4 局部自适应区域生长 | 第102-103页 |
| 5.4 实验结果与分析 | 第103-106页 |
| 5.4.1 实验材料 | 第103-104页 |
| 5.4.2 算法性能评价及分析讨论 | 第104-106页 |
| 5.5 本章小结 | 第106-107页 |
| [本章参考文献] | 第107-109页 |
| 第六章 眼底图像中微动脉瘤分割方法 | 第109-124页 |
| 6.1 引言 | 第109-110页 |
| 6.2 区域极值与扩展极值 | 第110-113页 |
| 6.2.1 区域极值 | 第110-111页 |
| 6.2.2 H-极值与扩展极值 | 第111-113页 |
| 6.3 免散瞳眼底图像中MAs分割方法 | 第113-117页 |
| 6.3.1 预处理 | 第113-114页 |
| 6.3.2 EXs分割 | 第114-115页 |
| 6.3.3 血管分割 | 第115-116页 |
| 6.3.4 MAs分割 | 第116-117页 |
| 6.4 实验结果与分析讨论 | 第117-121页 |
| 6.4.1 参数确定及算法性能评价 | 第117-121页 |
| 6.4.2 分析与讨论 | 第121页 |
| 6.5 本章小结 | 第121-122页 |
| [本章参考文献] | 第122-124页 |
| 第七章 基于免散瞳眼底图像的糖网自动筛查 | 第124-134页 |
| 7.1 基于免散瞳眼底图像的糖网自动筛查系统实现 | 第124-130页 |
| 7.1.1 需求分析 | 第124页 |
| 7.1.2 系统功能实现 | 第124-130页 |
| 7.2 糖网自动筛查流程及结果 | 第130-133页 |
| 7.3 本章小结 | 第133-134页 |
| 第八章 总结与展望 | 第134-138页 |
| 8.1 全文总结 | 第134-136页 |
| 8.2 研究展望 | 第136-138页 |
| 致谢 | 第138-139页 |
| 在学期间的研究成果及发表的学术论文 | 第139-140页 |
