医学图像分割相关算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文内容与结构 | 第13-15页 |
| 第二章 医学图像分割技术综述 | 第15-24页 |
| 2.1 传统图像分割方法 | 第15-17页 |
| 2.1.1 基于阈值的分割方法 | 第15-16页 |
| 2.1.2 基于边缘的分割方法 | 第16-17页 |
| 2.1.3 基于区域的分割方法 | 第17页 |
| 2.2 现代医学图像分割方法 | 第17-22页 |
| 2.2.1 基于模式识别的分割方法 | 第18-20页 |
| 2.2.2 基于活动轮廓模型的分割方法 | 第20-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 脑部MR图像病变组织分割 | 第24-36页 |
| 3.1 基于SVM分类器的病变组织分割 | 第24-30页 |
| 3.1.1 SVM基本原理 | 第25-28页 |
| 3.1.2 基于SVM的病变组织分割过程 | 第28-30页 |
| 3.1.3 基于SVM病变组织分割实验结果 | 第30页 |
| 3.2 基于高斯混合模型的病变组织分割 | 第30-35页 |
| 3.2.1 正常脑部MR图像分割 | 第30-31页 |
| 3.2.2 脑部硬化症的病变组织自动分割 | 第31-32页 |
| 3.2.3 后期处理 | 第32-33页 |
| 3.2.4 马尔科夫随机场 | 第33页 |
| 3.2.5 实验结果 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于多通道脑部MR图像病变组织分割 | 第36-52页 |
| 4.1 基于能量最小化的三维脑部MR图像分割 | 第36-40页 |
| 4.1.1 单通道分割模型及相应迭代过程 | 第36-38页 |
| 4.1.2 三维脑部MR图像分割的实验结果 | 第38-40页 |
| 4.2 基于偏差场的病变组织增强 | 第40-46页 |
| 4.2.1 使用直方图的方法进行病变组织增强 | 第41-43页 |
| 4.2.2 基于偏差场的病变组织增强 | 第43-45页 |
| 4.2.3 两种不同方法增强病变组织的效果图对比 | 第45-46页 |
| 4.3 基于多通道脑部MR图像分割 | 第46-51页 |
| 4.3.1 多通道分割模型及算法流程 | 第46-49页 |
| 4.3.2 多通道分割的实验结果 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于RSF水平集算法的病变组织分割 | 第52-63页 |
| 5.1 基于三维RSF水平集病变组织分割 | 第52-56页 |
| 5.1.1 三维RSF水平集模型 | 第52-54页 |
| 5.1.2 三维RSF水平集迭代过程 | 第54-55页 |
| 5.1.3 三维RSF水平集实验结果 | 第55-56页 |
| 5.2 基于多通道的RSF水平集病变组织分割 | 第56-62页 |
| 5.2.1 多通道RSF水平集模型 | 第57-59页 |
| 5.2.2 多通道RSF水平集迭代过程 | 第59页 |
| 5.2.3 多通道RSF水平集实验结果 | 第59-60页 |
| 5.2.4 实验指标比较 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文研究工作总结 | 第63-64页 |
| 6.2 后续工作建议 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻硕期间取得的研究成果 | 第70-71页 |
