| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 婴幼儿脑结构分割难点 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文研究内容与章节安排 | 第14-16页 |
| 第2章 基于图谱分割的算法及数据集介绍 | 第16-26页 |
| 2.1 基于图谱分割的方法 | 第16-20页 |
| 2.1.1 基于单图谱的分割方法 | 第16-17页 |
| 2.1.2 基于平均图谱的分割方法 | 第17页 |
| 2.1.3 基于多图谱的分割方法 | 第17-20页 |
| 2.2 图谱标签融合 | 第20-23页 |
| 2.2.1 标签融合基本思想 | 第20-22页 |
| 2.2.2 标签融合框架 | 第22-23页 |
| 2.3 数据集介绍 | 第23-24页 |
| 2.4 分割算法评价标准 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于改进非局部块加权的婴幼儿脑结构分割算法 | 第26-40页 |
| 3.1 基于非局部块加权的多图谱融合 | 第26-28页 |
| 3.1.1 图像块库的建立 | 第26-27页 |
| 3.1.2 图像块的加权 | 第27-28页 |
| 3.2 图像预处理 | 第28-29页 |
| 3.3 自适应融合图像自身信息的改进算法 | 第29-32页 |
| 3.4 实验结果与分析 | 第32-38页 |
| 3.4.1 基本实验 | 第32-35页 |
| 3.4.2 改进算法实验 | 第35-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 基于改进稀疏表达多图谱融合的婴幼儿脑结构分割算法 | 第40-56页 |
| 4.1 基于稀疏表达的多图谱融合 | 第40-44页 |
| 4.1.1 稀疏表达的基本理论 | 第40-41页 |
| 4.1.2 稀疏表达应用于多图谱融合 | 第41-44页 |
| 4.2 融入特征结构信息的稀疏融合 | 第44-47页 |
| 4.2.1 融入特征信息 | 第44-47页 |
| 4.2.2 融入结构信息 | 第47页 |
| 4.3 实验结果与分析 | 第47-53页 |
| 4.4 本章小结 | 第53-56页 |
| 第5章 基于核字典学习多图谱融合的婴幼儿脑结构分割算法 | 第56-72页 |
| 5.1 字典学习相关介绍 | 第56-57页 |
| 5.1.1 字典学习的基本原理 | 第56页 |
| 5.1.2 字典求解 | 第56-57页 |
| 5.2 字典学习在多图谱融合中的应用 | 第57-61页 |
| 5.3 改进的基于核字典学习的多图谱融合算法 | 第61-64页 |
| 5.3.1 数据核化 | 第61-63页 |
| 5.3.2 核字典学习框架 | 第63-64页 |
| 5.4 实验结果与分析 | 第64-70页 |
| 5.4.1 在线实验 | 第65-68页 |
| 5.4.2 离线实验 | 第68-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80页 |
