| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景 | 第10页 |
| 1.2 研究现状与趋势 | 第10-12页 |
| 1.2.1 研究现状 | 第10-11页 |
| 1.2.2 趋势 | 第11-12页 |
| 1.3 论文内容和论文结构 | 第12-14页 |
| 1.3.1 论文内容 | 第12页 |
| 1.3.2 论文结构 | 第12-14页 |
| 第2章 相关技术 | 第14-28页 |
| 2.1 医学图像配准技术 | 第14-18页 |
| 2.1.1 医学图像配准的分类 | 第14-15页 |
| 2.1.2 医学图像配准的基本步骤 | 第15-18页 |
| 2.2 医学图像分割技术 | 第18-22页 |
| 2.2.1 基于阈值的分割方法 | 第19页 |
| 2.2.2 基于区域生长的分割方法 | 第19-20页 |
| 2.2.3 基于形变模型的分割方法 | 第20-21页 |
| 2.2.4 基于聚类的分割方法 | 第21-22页 |
| 2.3 CUDA技术 | 第22-27页 |
| 2.3.1 CUDA软件结构 | 第22-23页 |
| 2.3.2 编程模型 | 第23-25页 |
| 2.3.3 存储模型 | 第25-26页 |
| 2.3.4 执行模型 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 CTA减影算法的设计与实现 | 第28-54页 |
| 3.1 CTA减影算法的流程 | 第28-29页 |
| 3.2 基于互信息的3D医学图像刚性配准算法的设计与实现 | 第29-37页 |
| 3.2.1 基于互信息的3D医学图像刚性配准算法的流程 | 第29-30页 |
| 3.2.2 灰度级变换 | 第30-31页 |
| 3.2.3 采样子集 | 第31-32页 |
| 3.2.4 空间变换 | 第32页 |
| 3.2.5 插值技术 | 第32-35页 |
| 3.2.6 相似性测度 | 第35-36页 |
| 3.2.7 优化算法 | 第36-37页 |
| 3.3 减影去骨算法的设计与实现 | 第37-49页 |
| 3.3.1 减影去骨算法的流程 | 第37-38页 |
| 3.3.2 骨模提取 | 第38-40页 |
| 3.3.3 骨模优化 | 第40-43页 |
| 3.3.4 去除扫描床 | 第43-49页 |
| 3.4 实验结果与分析 | 第49-53页 |
| 3.4.1 实验数据 | 第49页 |
| 3.4.2 实验环境 | 第49页 |
| 3.4.3 CTA减影算法结果 | 第49-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于CUDA的CTA减影算法的设计与实现 | 第54-72页 |
| 4.1 CTA减影算法的CUDA可并行性分析 | 第54-57页 |
| 4.1.1 CUDA技术的计算任务特点 | 第54-55页 |
| 4.1.2 基于互信息的3D医学图像刚性配准算法的CUDA可并行性分析 | 第55-56页 |
| 4.1.3 减影去骨算法的CUDA可并行性分析 | 第56-57页 |
| 4.2 基于CUDA的3D医学图像刚性配准算法的设计与实现 | 第57-63页 |
| 4.2.1 基于CUDA的3D医学图像刚性配准算法的设计 | 第57-59页 |
| 4.2.2 基于CUDA的3D医学图像刚性配准算法的实现 | 第59-63页 |
| 4.3 基于CUDA的减影去骨算法的设计与实现 | 第63-67页 |
| 4.3.1 基于CUDA的减影去骨算法的设计 | 第63-64页 |
| 4.3.2 基于CUDA的减影去骨算法的实现 | 第64-67页 |
| 4.4 实验结果与分析 | 第67-70页 |
| 4.4.1 基于CUDA的3D医学图像刚性配准算法精度 | 第67-68页 |
| 4.4.2 基于CUDA的减影去骨算法效果 | 第68-69页 |
| 4.4.3 基于CUDA的CTA减影算法效率 | 第69-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
