| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 医学图像分割所面临的问题 | 第11-12页 |
| 1.3 医学图像分割方法 | 第12-16页 |
| 1.3.1 基于边缘的分割方法 | 第12-13页 |
| 1.3.2 基于区域的分割方法 | 第13-14页 |
| 1.3.3 基于分类和聚类的分割方法 | 第14-15页 |
| 1.3.4 基于数学形态学的分割方法 | 第15页 |
| 1.3.5 基于神经网络的分割方法 | 第15-16页 |
| 1.3.6 其它分割方法 | 第16页 |
| 1.4 本文的主要内容和组织结构 | 第16-19页 |
| 2 模糊聚类理论与医学图像分割评价 | 第19-28页 |
| 2.1 模糊聚类算法 | 第19-23页 |
| 2.1.1 标准FCM算法 | 第19-20页 |
| 2.1.2 快速FCM算法(FFCM) | 第20-21页 |
| 2.1.3 En FCM算法 | 第21-22页 |
| 2.1.4 改进的En FCM算法 | 第22页 |
| 2.1.5 其它改进的FCM算法 | 第22-23页 |
| 2.2 医学图像分割的质量评价 | 第23-27页 |
| 2.2.1 有效性函数RII | 第24页 |
| 2.2.2 Bezdek划分系数V_(PC)与分割熵V_(pe) | 第24页 |
| 2.2.3 改进系数V_(MPC) | 第24-25页 |
| 2.2.4 Xie-Beni系数V_(xb) | 第25页 |
| 2.2.5 Liu系数FI | 第25页 |
| 2.2.6 迭代次数与分割时间 | 第25页 |
| 2.2.7 聚类中心变化值指数 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于划分区间的模糊C均值算法 | 第28-37页 |
| 3.1 初始化算法 | 第28-29页 |
| 3.1.1 寻找合适的初始聚类中心 | 第28页 |
| 3.1.2 基于直方图峰值信息的初始化方法 | 第28-29页 |
| 3.2 区间划分及后处理 | 第29-30页 |
| 3.2.1 两种区间划分方法 | 第29页 |
| 3.2.2 迭代更新 | 第29-30页 |
| 3.3 改进的模糊C均值算法 | 第30-32页 |
| 3.3.1 改进的算法描述 | 第30-32页 |
| 3.4 实验结果分析 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于区间信息的FCM算法的深入探索 | 第37-60页 |
| 4.1 寻找初始聚类中心 | 第37-38页 |
| 4.1.1 区域分裂求初始中心 | 第37页 |
| 4.1.2 区域迭代均值化求初始中心 | 第37-38页 |
| 4.2 基于区间的后续迭代 | 第38页 |
| 4.2.1 隶属度的选择性计算 | 第38页 |
| 4.2.2 由隶属度的变化更新区间范围 | 第38页 |
| 4.3 新的算法 | 第38-42页 |
| 4.3.1 第一种算法（分裂） | 第38-40页 |
| 4.3.2 第二种算法（迭代均值化方法） | 第40-42页 |
| 4.4 实验结果分析 | 第42-49页 |
| 4.5 算法qjjc FCM和gsav FCM的改进 | 第49-59页 |
| 4.5.1 qjjc FCM算法的改进 | 第49-51页 |
| 4.5.2 gsav FCM算法的改进 | 第51-53页 |
| 4.5.3 实验结果分析 | 第53-59页 |
| 4.6 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表的学术论文及研究成果 | 第67页 |