首页--医药、卫生论文--临床医学论文--诊断学论文--影像诊断学论文--核磁共振成像论文

面向婴幼儿脑MR图像的分割算法研究

摘要第5-6页
Abstract第6页
第1章 绪论第9-15页
    1.1 课题研究的背景及意义第9-10页
    1.2 国内外研究现状第10-12页
        1.2.1 成人自动/半自动脑图像分割技术现状第10-11页
        1.2.2 婴幼儿脑图像自动/半自动分割技术现状第11-12页
    1.3 本文内容安排第12-15页
第2章 MR脑部图像处理方法概述第15-23页
    2.1 MR图像分割算法概述第15-20页
        2.1.1 阈值分割第15页
        2.1.2 区域分割第15-16页
        2.1.3 基于聚类的分割算法第16-18页
        2.1.4 基于随机场模型的分割算法第18-19页
        2.1.5 形变模型第19-20页
        2.1.6 其他算法研究第20页
    2.2 图像分割评价指标第20-21页
    2.3 婴幼儿脑MR图像分割难点第21-22页
    2.4 本章小结第22-23页
第3章 基于核函数的马尔科夫随机场婴幼儿脑部图像分割算法第23-39页
    3.1 马尔科夫随机场模型相关概念及分割框架第23-27页
        3.1.1 MRF邻域系统和集簇第23-25页
        3.1.2 MARKOV和GIBBS分布第25-26页
        3.1.3 MRF模型图像分割框架第26-27页
    3.2 基于核函数的MRF模型图像分割算法第27-31页
        3.2.1 权重构造第28-29页
        3.2.2 KL距离第29页
        3.2.3 基于核函数的MRF模型第29-31页
    3.3 参数估计与算法流程第31-32页
        3.3.1 模型参数第31-32页
        3.3.2 算法流程第32页
    3.4 实验结果及其对比分析第32-37页
    3.5 本章小结第37-39页
第4章 基于SVM的马尔科夫随机场婴幼儿脑部图像分割算法第39-55页
    4.1 MRI图像的特征提取及归一化第39-42页
        4.1.1 基于灰度共生矩阵特征提取第39-41页
        4.1.2 基于灰度信息的特征第41-42页
    4.2 基于PCA算法对特征数据降维处理第42-43页
    4.3 核函数的基本类型第43-44页
    4.4 基于SVM的MRF模型图像分割算法第44-49页
        4.4.1 支持向量机SVM第44-46页
        4.4.2 高斯混合模型第46-48页
        4.4.3 基于支持向量机的MRF模型第48页
        4.4.4 算法的实现流程和步骤第48-49页
    4.5 实验结果分析第49-53页
    4.6 本章小结第53-55页
第5章 基于加权的粗糙集模糊聚类婴幼儿脑部图像分割算法第55-69页
    5.1 局部信息模糊C均值第55-57页
    5.2 结合粗糙集的模糊聚类图像分割第57-60页
        5.2.1 粗糙集理论第57页
        5.2.2 基于粗糙集模糊聚类的图像分割模型第57-58页
        5.2.3 近似集合的构造第58-59页
        5.2.4 隶属度函数和聚类中心第59-60页
    5.3 改进的粗糙集模糊聚类模型第60-64页
        5.3.1 邻域权重因子第60-61页
        5.3.2 高斯径向基核函数第61-62页
        5.3.3 基于核函数的加权粗糙集模糊聚类模型第62-64页
    5.4 实验结果与分析第64-68页
    5.5 本章小结第68-69页
第6章 总结与展望第69-71页
    6.1 总结第69-70页
    6.2 展望第70-71页
参考文献第71-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:空间分析技术在广西HIV/AIDS地理分布特征及其影响因素中的应用研究
下一篇:基于脉冲超声血流速度检测的研究