基于随机森林模型的心脏CT图像分割算法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 医学图像坐标系 | 第9-13页 |
| 1.2.1 坐标体系介绍 | 第9-11页 |
| 1.2.2 图像变换 | 第11-13页 |
| 1.3 医学图像预处理 | 第13-17页 |
| 1.3.1 窗口技术 | 第13-14页 |
| 1.3.2 配准对齐 | 第14-16页 |
| 1.3.3 插值采样 | 第16-17页 |
| 1.4 本文内容结构安排 | 第17-18页 |
| 2 随机森林理论及其应用研究状况 | 第18-30页 |
| 2.1 决策树 | 第18-20页 |
| 2.2 集成学习 | 第20-24页 |
| 2.2.1 集成学习概述 | 第20-21页 |
| 2.2.2 Boosting和Adaboost | 第21-23页 |
| 2.2.3 Bagging | 第23-24页 |
| 2.3 随机森林 | 第24-29页 |
| 2.3.1 随机森林模型 | 第24-26页 |
| 2.3.2 随机森林分类 | 第26-27页 |
| 2.3.3 随机森林回归 | 第27-29页 |
| 2.4 随机森林的应用研究状况 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于随机森林定位心脏CT图像的解剖标志点 | 第30-41页 |
| 3.1 引言 | 第30-31页 |
| 3.2 相关工作 | 第31-32页 |
| 3.3 解剖标志点定位 | 第32-36页 |
| 3.3.1 定位算法概述 | 第32-33页 |
| 3.3.2 3D Haar-like特征 | 第33-34页 |
| 3.3.3 随机森林训练 | 第34-35页 |
| 3.3.4 Mean-shift聚类 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于随机森林分类分割心脏CT图像中左心室心肌 | 第41-51页 |
| 4.1 引言 | 第41-42页 |
| 4.2 相关工作 | 第42-43页 |
| 4.3 左心室心肌分割 | 第43-46页 |
| 4.3.1 分割算法概述 | 第43页 |
| 4.3.2 建立心脏坐标系统 | 第43-44页 |
| 4.3.3 提取图像特征 | 第44-45页 |
| 4.3.4 随机森林分类器 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
