| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 本课题研究的目的和意义 | 第14-16页 |
| 1.2 课题的国内外研究现状 | 第16-21页 |
| 1.2.1 医学图像分割技术国内外研究现状 | 第16-20页 |
| 1.2.2 医学图像自动识别技术国内外研究现状 | 第20-21页 |
| 1.3 课题研究的主要内容及章节安排 | 第21-24页 |
| 1.3.1 课题研究的主要内容 | 第21-22页 |
| 1.3.2 本文的组织架构 | 第22-24页 |
| 第二章 相关医学背景介绍 | 第24-29页 |
| 2.1 引言 | 第24页 |
| 2.2 周围神经生理形态描述 | 第24-25页 |
| 2.3 周围神经切片显微图像的制备方法 | 第25-28页 |
| 2.3.1 周围神经切片的染色方法 | 第25-28页 |
| 2.3.2 图像获取 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 周围神经切片显微图像分割方法研究 | 第29-65页 |
| 3.1 引言 | 第29页 |
| 3.2 图像分割的概念 | 第29-34页 |
| 3.2.1 定义 | 第29-30页 |
| 3.2.2 图像分割相关技术 | 第30-34页 |
| 3.3 图像彩色空间的转换 | 第34-37页 |
| 3.3.1 RGB彩色模型 | 第34-35页 |
| 3.3.2 HSI彩色模型 | 第35-36页 |
| 3.3.3 RGB颜色空间到HSI颜色空间的转换 | 第36-37页 |
| 3.4 基于空间模糊C均值算法的神经功能束分割方法 | 第37-51页 |
| 3.4.1 模糊C均值聚类算法 | 第38-40页 |
| 3.4.2 直方图模糊C均值算法初始化参数 | 第40-43页 |
| 3.4.3 空间模糊C均值聚类算法 | 第43-45页 |
| 3.4.4 分割步骤 | 第45-46页 |
| 3.4.5 SFCM分割结果 | 第46-51页 |
| 3.5 神经束内神经纤维阳性色斑分割方法 | 第51-64页 |
| 3.5.1 彩色神经束图像的预处理 | 第51-52页 |
| 3.5.2 数学形态学及分水岭分割的基本概念 | 第52-54页 |
| 3.5.3 神经纤维阳性色斑分割方法 | 第54-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第四章 神经束内神经纤维阳性色斑特征提取 | 第65-73页 |
| 4.1 引言 | 第65页 |
| 4.2 神经束内神经纤维阳性色斑特征选择 | 第65-66页 |
| 4.2.1 形态特征 | 第65-66页 |
| 4.2.2 颜色特征 | 第66页 |
| 4.3 神经纤维阳性色斑特征提取方法 | 第66-70页 |
| 4.3.1 二值标识方法 | 第66-68页 |
| 4.3.2 面积的提取 | 第68页 |
| 4.3.3 周长的提取 | 第68-70页 |
| 4.4 特征提取结果及归一化 | 第70-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 神经束功能识别方法研究 | 第73-90页 |
| 5.1 引言 | 第73-74页 |
| 5.2 BP神经网络概述 | 第74-80页 |
| 5.2.1 BP神经网络结构 | 第74-76页 |
| 5.2.2 BP神经网络反向传播算法 | 第76-80页 |
| 5.3 基于BP神经网络的神经纤维阳性色斑识别的实现 | 第80-86页 |
| 5.3.1 BP网络设计问题考虑 | 第80-81页 |
| 5.3.2 BP神经网络分类器设计 | 第81-82页 |
| 5.3.3 训练本样和测试样本 | 第82-83页 |
| 5.3.4 实验结果与分析 | 第83-86页 |
| 5.4 神经束功能识别 | 第86-89页 |
| 5.5 本章小结 | 第89-90页 |
| 总结与展望 | 第90-92页 |
| 本文总结 | 第90页 |
| 进一步的研究工作 | 第90-92页 |
| 参考文献 | 第92-96页 |
| 攻读硕士学位期间发表的论文 | 第96-98页 |
| 致谢 | 第98页 |