PCNN的优化及在医学图像分割中的应用研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-20页 |
| 第一章 绪论 | 第20-31页 |
| ·研究背景与意义 | 第20-21页 |
| ·PCNN的研究现状 | 第21-23页 |
| ·脑MR图像分割概述 | 第23-27页 |
| ·胸部CT图像肺叶分割概述 | 第27-29页 |
| ·论文内容及结构 | 第29-31页 |
| 第二章 PCNN基本理论 | 第31-40页 |
| ·引言 | 第31页 |
| ·PCNN基本结构 | 第31-34页 |
| ·PCNN在图像分割中的工作原理 | 第34-37页 |
| ·PCNN主要特征 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第三章 PCNN模型的优化 | 第40-47页 |
| ·引言 | 第40页 |
| ·基于最大熵准则的目标优化 | 第40-42页 |
| ·最大熵准则 | 第41页 |
| ·结合最大熵的PCNN图像分割原理 | 第41-42页 |
| ·PCNN模型结构优化 | 第42-44页 |
| ·输入部分的优化 | 第42-43页 |
| ·内部活动项的优化 | 第43页 |
| ·点火阈值的优化 | 第43-44页 |
| ·连接权值的优化 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第四章 优化PCNN在脑组织图像分割中的应用 | 第47-56页 |
| ·引言 | 第47-48页 |
| ·参数选择 | 第48-50页 |
| ·预处理 | 第50-52页 |
| ·三维优化的PCNN分割 | 第52-53页 |
| ·实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 优化PCNN在肺叶分割中的应用 | 第56-70页 |
| ·引言 | 第56页 |
| ·基于优化PCNN在线学习的统计形状模型 | 第56-58页 |
| ·统计形状模型 | 第56-57页 |
| ·统计形状模型的在线学习 | 第57-58页 |
| ·算法的基本流程 | 第58-59页 |
| ·预处理 | 第59-65页 |
| ·自动3D阈值分割 | 第60-61页 |
| ·3D区域生长获取肺实质及气管 | 第61-62页 |
| ·改进波阵面法去气管 | 第62-63页 |
| ·左右肺分离 | 第63-64页 |
| ·空洞填补及表面平滑 | 第64-65页 |
| ·肺叶分割 | 第65-68页 |
| ·模型控制点自动生成算法 | 第65-66页 |
| ·平均形状生成 | 第66页 |
| ·形状配准 | 第66-67页 |
| ·局部肺部裂缝查找 | 第67-68页 |
| ·精细调整 | 第68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-73页 |
| ·工作总结 | 第70-71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-80页 |
| 硕士期间发表和完成的论文 | 第80-81页 |
| 致谢 | 第81-83页 |
| 统计学证明 | 第83页 |
