| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 医学图像分割方法的研究现状 | 第10-13页 |
| 1.2.2 三维重建方法的研究现状 | 第13-14页 |
| 1.3 课题的研究内容及组织结构 | 第14-16页 |
| 第2章 MRI脑肿瘤图像分割预处理 | 第16-25页 |
| 2.1 预处理的目的与意义 | 第16页 |
| 2.2 偏移场的校正 | 第16-19页 |
| 2.2.1 亮度不均匀性 | 第16-17页 |
| 2.2.2 基于CLIC模型的偏移场校正 | 第17-19页 |
| 2.3 对称性处理 | 第19-21页 |
| 2.3.1 脑部功能与结构 | 第19-20页 |
| 2.3.2 对称性处理过程 | 第20-21页 |
| 2.4 图像增强 | 第21-22页 |
| 2.4.1 图像增强目的 | 第21页 |
| 2.4.2 图像增强原理流程 | 第21-22页 |
| 2.5 形态学处理 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 改进的GAC模型 | 第25-45页 |
| 3.1 水平集方法原理 | 第25-28页 |
| 3.1.1 曲线演化理论 | 第25-26页 |
| 3.1.2 水平集演化理论 | 第26-28页 |
| 3.2 基于区域信息的水平集模型 | 第28-32页 |
| 3.2.1 Mumford-Shah图像分割模型 | 第28-29页 |
| 3.2.2 Chan-Vese图像分割模型 | 第29-32页 |
| 3.3 实验与分析 | 第32-35页 |
| 3.3.1 初始位置性能试验 | 第32-33页 |
| 3.3.2 抗噪性能试验 | 第33-34页 |
| 3.3.3 灰度不均匀图像分割性能试验 | 第34-35页 |
| 3.4 基于边界信息的水平集模型 | 第35-37页 |
| 3.4.1 测地线基本原理 | 第35-36页 |
| 3.4.2 GAC图像分割模型 | 第36-37页 |
| 3.5 实验与分析 | 第37-39页 |
| 3.5.1 初始位置性能试验 | 第37-38页 |
| 3.5.2 抗噪性能试验 | 第38页 |
| 3.5.3 灰度不均匀图像分割性能试验 | 第38-39页 |
| 3.6 基于区域和边缘信息的水平集模型 | 第39-41页 |
| 3.6.1 改进GAC模型 | 第39-41页 |
| 3.6.2 算法流程 | 第41页 |
| 3.7 实验与分析 | 第41-43页 |
| 3.7.1 初始位置性能试验 | 第41-42页 |
| 3.7.2 抗噪性能试验 | 第42-43页 |
| 3.7.3 灰度不均匀图像分割性能试验 | 第43页 |
| 3.8 本章小结 | 第43-45页 |
| 第4章 结合区域生长法与改进GAC模型的医学图像分割 | 第45-53页 |
| 4.1 区域生长法图像分割 | 第45-47页 |
| 4.1.1 基本原理 | 第45页 |
| 4.1.2 实施流程 | 第45-46页 |
| 4.1.3 实验与分析 | 第46-47页 |
| 4.2 脑部肿瘤自动分割 | 第47-49页 |
| 4.2.1 肿瘤自动分割步骤 | 第47-49页 |
| 4.2.2 分割性能评价指标 | 第49页 |
| 4.3 实验与分析 | 第49-52页 |
| 4.3.1 分割精度性能试验 | 第49-50页 |
| 4.3.2 参数性能试验 | 第50-51页 |
| 4.3.3 鲁棒性试验 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 医学图像三维重建 | 第53-65页 |
| 5.1 医学序列图像三维重建 | 第53-55页 |
| 5.1.1 三维重建方法介绍 | 第53-54页 |
| 5.1.2 三维重建流程 | 第54-55页 |
| 5.2 MC算法三维重建 | 第55-61页 |
| 5.2.1 等值面的定义 | 第55-56页 |
| 5.2.2 MC算法的基本思想 | 第56页 |
| 5.2.3 MC算法流程 | 第56-61页 |
| 5.3 试验与分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间发表论文及参加科研情况 | 第71-72页 |
| 致谢 | 第72-73页 |