幼儿白质纤维发育分析和脑部标识点定位研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7-9页 |
| 1.1.1 医学图像和医学图像处理 | 第7-8页 |
| 1.1.2 弥散张量成像和纤维发育定量分析 | 第8页 |
| 1.1.3 T1加权图像和脑部标识点定位 | 第8-9页 |
| 1.2 医学图像处理及分析流程 | 第9-11页 |
| 1.2.1 图像预处理 | 第9-10页 |
| 1.2.2 医学图像配准 | 第10页 |
| 1.2.3 临床数据定量分析 | 第10-11页 |
| 1.3 纤维分割和发育分析 | 第11页 |
| 1.4 脑部标识点定位 | 第11页 |
| 1.5 论文章节安排 | 第11-13页 |
| 2 研究现状和相关工作 | 第13-19页 |
| 2.1 纤维分割和数据分析 | 第13-16页 |
| 2.1.1 基于白质骨架的弥散统计分析 | 第13页 |
| 2.1.2 白质纤维聚类研究 | 第13-14页 |
| 2.1.3 基于密度峰值的聚类算法 | 第14-15页 |
| 2.1.4 主要研究内容 | 第15-16页 |
| 2.2 人脑标识点定位 | 第16-19页 |
| 2.2.1 医学图像标识点定位算法 | 第16-17页 |
| 2.2.2 人脸特征点定位算法 | 第17-18页 |
| 2.2.3 主要研究内容 | 第18-19页 |
| 3 白质纤维束分割与分析 | 第19-38页 |
| 3.1 纤维分割及分析流程 | 第19-20页 |
| 3.2 图像预处理和纤维追踪 | 第20-22页 |
| 3.3 快速的基于密度峰值的聚类算法 | 第22-25页 |
| 3.3.1 纤维量化 | 第23页 |
| 3.3.2 快速密度峰值聚类算法 | 第23-25页 |
| 3.4 优化算法验证分析 | 第25-31页 |
| 3.4.1 优化前后算法比较 | 第26-27页 |
| 3.4.2 与经典聚类算法比较 | 第27-31页 |
| 3.5 纤维各向异性数据统计分析 | 第31-38页 |
| 3.5.1 数据获取和预处理 | 第31-32页 |
| 3.5.2 纤维各向异性指数(FA)计算方式 | 第32-33页 |
| 3.5.3 纤维发育分析 | 第33-38页 |
| 4 人脑标识点定位 | 第38-53页 |
| 4.1 定位算法流程 | 第38-39页 |
| 4.2 数据处理 | 第39-40页 |
| 4.2.1 图像数据预处理 | 第39页 |
| 4.2.2 合成数据集 | 第39-40页 |
| 4.3 定位结果精确度衡量 | 第40-41页 |
| 4.4 基于梯度回归方法的人脑标识点定位回归模型 | 第41-43页 |
| 4.4.1 回归模型目标函数 | 第41页 |
| 4.4.2 形状回归定位算法原理 | 第41-43页 |
| 4.5 特征提取算法筛选 | 第43-47页 |
| 4.6 算法有效性验证 | 第47-49页 |
| 4.6.1 标识点介绍 | 第47-48页 |
| 4.6.2 定位结果分析 | 第48-49页 |
| 4.7 在脑区边界定位中的应用 | 第49-53页 |
| 4.7.1 脑区划分及其边界 | 第49-50页 |
| 4.7.2 边界定位结果分析 | 第50-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-63页 |
