| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 医学MR图像分割介绍 | 第9-11页 |
| 1.2.1 核磁共振成像技术介绍 | 第9-10页 |
| 1.2.2 医学MR图像分割特点 | 第10-11页 |
| 1.3 医学MR图像分割国内外研究现状 | 第11-13页 |
| 1.4 论文主要工作及创新点 | 第13-16页 |
| 第2章 基于FCM算法的医学MR图像分割研究 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 模糊聚类算法 | 第16-17页 |
| 2.2.1 模糊数学理论 | 第16-17页 |
| 2.2.2 模糊聚类算法的发展 | 第17页 |
| 2.3 传统FCM算法介绍 | 第17-19页 |
| 2.3.1 传统FCM算法 | 第17-18页 |
| 2.3.2 传统FCM算法优缺点分析 | 第18-19页 |
| 2.4 FCM算法的相关改进算法 | 第19-27页 |
| 2.4.1 快速FCM算法 | 第19-20页 |
| 2.4.2 基于初始值选取的FCM算法 | 第20-22页 |
| 2.4.3 结合空间邻域信息的FCM算法 | 第22-24页 |
| 2.4.4 基于核函数的FCM算法 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 结合非局部均值的快速FCM算法分割医学MR图像 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 MR图像常见噪声分布特点 | 第28-29页 |
| 3.3 非局部均值去噪算法 | 第29-30页 |
| 3.4 结合非局部均值的快速FCM算法(NLFCM) | 第30-37页 |
| 3.4.1 基于直方图的快速FCM算法 | 第30-31页 |
| 3.4.2 自适应初始聚类中心选择算法 | 第31页 |
| 3.4.3 本文算法步骤及流程 | 第31-32页 |
| 3.4.4 本文算法的有效评价方法 | 第32-33页 |
| 3.4.5 仿真数据实验结果与分析 | 第33-35页 |
| 3.4.6 临床数据实验结果与分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于空间FCM和水平集的医学MR图像分割 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 水平集方法理论 | 第38-42页 |
| 4.2.1 水平集方法原理 | 第38-40页 |
| 4.2.2 传统水平集方法 | 第40-42页 |
| 4.3 基于局部区域信息的水平集方法 | 第42-43页 |
| 4.4 考虑空间信息的FCM算法 | 第43-44页 |
| 4.5 基于空间FCM和水平集的医学MR图像分割 | 第44-52页 |
| 4.5.1 本文方法原理和步骤 | 第44-45页 |
| 4.5.2 仿真数据实验结果与分析 | 第45-49页 |
| 4.5.3 临床数据实验结果与分析 | 第49-51页 |
| 4.5.4 抗噪性分析 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间科研成果 | 第64页 |