| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景与研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 主要研究内容与创新点 | 第14-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 基于高斯混合模型的脑组织分割算法改进 | 第18-50页 |
| 2.1 基于高斯混合模型的脑组织分割方法 | 第18-27页 |
| 2.1.1 GMM分割模型 | 第18-20页 |
| 2.1.2 预处理与分割算法评价标准 | 第20-23页 |
| 2.1.3 GMM分割方法的优势与不足 | 第23-27页 |
| 2.2 现有GMM分割算法分析 | 第27-35页 |
| 2.2.1 模型中引入组织概率图谱 | 第27-31页 |
| 2.2.2 模型中引入邻域空间关系 | 第31-34页 |
| 2.2.3 优势与不足 | 第34-35页 |
| 2.3 一种结合组织概率图谱和邻域空间关系的脑组织分割算法 | 第35-40页 |
| 2.3.1 算法设计思想 | 第36-37页 |
| 2.3.2 参数优化 | 第37-39页 |
| 2.3.3 算法流程 | 第39-40页 |
| 2.4 实验结果与分析 | 第40-49页 |
| 2.5 本章小结 | 第49-50页 |
| 第三章 基于Markov随机场的脑组织分割算法改进 | 第50-70页 |
| 3.1 Markov随机场理论 | 第50-54页 |
| 3.1.1 邻域系统与势团 | 第50-51页 |
| 3.1.2 Hammersley-Clifford定理 | 第51-53页 |
| 3.1.3 常用能量函数 | 第53-54页 |
| 3.2 基于隐Markov随机场的脑组织分割方法 | 第54-58页 |
| 3.3 HMRF分割模型参数估计 | 第58-62页 |
| 3.4 一种参数自适应调节的HMRF脑组织分割算法 | 第62-64页 |
| 3.4.1 算法设计思想 | 第62-63页 |
| 3.4.2 算法流程 | 第63-64页 |
| 3.5 实验结果与分析 | 第64-69页 |
| 3.6 本章小节 | 第69-70页 |
| 第四章 脑组织三维可视化 | 第70-76页 |
| 4.1 三维可视化流程 | 第70-71页 |
| 4.2 本文算法分割结果可视化分析 | 第71-73页 |
| 4.3 脑组织和脑血管三维融合显示 | 第73-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 全文总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76-77页 |
| 5.2 后续工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的成果 | 第85页 |
