| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·图像分析与图像分割 | 第9-10页 |
| ·肿瘤发病率的现状与主要治疗手段 | 第10-11页 |
| ·医学图像分割在肿瘤临床诊治中的意义 | 第11-13页 |
| ·本文结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第二章 医学图像的分割方法综述 | 第14-23页 |
| ·医学图像分割的主要研究内容及发展现状 | 第14-15页 |
| ·常用成像方法介绍 | 第15-16页 |
| ·医学图像分割的任务与特点 | 第16-17页 |
| ·医学图像分割技术的分类与简介 | 第17-20页 |
| ·活动轮廓模型背景介绍 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于经典活动轮廓模型的医学图像分割 | 第23-39页 |
| ·参数活动轮廓模型简介 | 第23-30页 |
| ·内部能量 | 第24-25页 |
| ·外部能量 | 第25页 |
| ·能量最小化及参数活动轮廓模型的数值解法 | 第25-26页 |
| ·GVF模型在肿瘤分割中的应用 | 第26-28页 |
| ·结合模糊C均值聚类和参数活动轮廓模型的图像分割 | 第28-30页 |
| ·模糊C均值聚类算法介绍 | 第28-29页 |
| ·结合模糊C均值聚类与参数活动轮廓模型实现图像分割 | 第29-30页 |
| ·几何活动轮廓模型简介 | 第30-36页 |
| ·曲线演化理论简介 | 第30-31页 |
| ·Level Set图像分割方法 | 第31-33页 |
| ·基于Narrow band快速算法实现水平集函数演化 | 第33-35页 |
| ·结合分水岭算法的几何活动轮廓模型图像分割 | 第35-36页 |
| ·分水岭算法介绍及基本步骤 | 第35页 |
| ·结合分水岭算法的Level set方法与实验分析 | 第35-36页 |
| ·参数活动轮廓模型与几何活动轮廓模型的比较 | 第36-38页 |
| ·参数活动轮廓模型优缺点分析 | 第37页 |
| ·几何活动轮廓模型优缺点分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于Mumford-Shah模型的肿瘤图像分割 | 第39-44页 |
| ·Mumford-Shah图像分割模型算法分析 | 第39-41页 |
| ·C-V算法实现脑肿瘤图像分割及实验结果 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 肿瘤诊治图像分析系统的实现 | 第44-48页 |
| ·系统模块结构 | 第44页 |
| ·模块功能介绍 | 第44-47页 |
| ·图像输入输出模块 | 第44-45页 |
| ·图像分割模块 | 第45-46页 |
| ·图像配准与融合模块 | 第46-47页 |
| ·信息统计与分类模块 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·本文工作总结 | 第48-49页 |
| ·工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 独创性声明 | 第53页 |
| 学位论文版权使用授权书 | 第53页 |
