| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·核磁共振成像与MRI 脑图像简介 | 第8-9页 |
| ·图像分割的定义和医学上的意义 | 第9-10页 |
| ·基底核区的重要医学意义与解剖学结构 | 第10-11页 |
| ·本文的主要工作及内容安排 | 第11-12页 |
| 第二章 医学磁共振图像分割方法概述 | 第12-28页 |
| ·医学图像分割应用的现状 | 第12-13页 |
| ·常见的医学图像分割技术 | 第13-25页 |
| ·基于阈值分割的方法 | 第14-15页 |
| ·基于人工神经网络的方法 | 第15页 |
| ·基于小波的方法 | 第15-16页 |
| ·基于形变模型的方法 | 第16-20页 |
| ·基于Snake 的梯度矢量流模型 | 第16-18页 |
| ·基于水平集的Chan-Vese 模型 | 第18-20页 |
| ·基于随机场模型的方法 | 第20-21页 |
| ·基于边缘检测的方法 | 第21-22页 |
| ·基于区域生长的方法 | 第22-23页 |
| ·基于模糊聚类的方法 | 第23-25页 |
| ·图谱引导的方法 | 第25页 |
| ·医学图像分割面临的困难 | 第25-26页 |
| ·医学图像发展的趋势 | 第26页 |
| ·分割结果的评测标准 | 第26-28页 |
| 第三章 一种基于区域生长与数学形态学的分割方法 | 第28-41页 |
| ·数学形态学算法原理 | 第28-31页 |
| ·膨胀与腐蚀 | 第28-30页 |
| ·开运算和闭运算 | 第30-31页 |
| ·区域生长算法的基本原理 | 第31-33页 |
| ·种子点的选取 | 第32页 |
| ·生长准则和连通信息 | 第32-33页 |
| ·区域生长终止规则 | 第33页 |
| ·结合区域生长和数学形态学的分割算法设计 | 第33-38页 |
| ·种子点的选取方法 | 第33-34页 |
| ·基于种子点进行区域生长并八连通生长结果 | 第34-36页 |
| ·填充孔洞 | 第36-37页 |
| ·根据先验知识开运算 | 第37页 |
| ·形态学重构 | 第37-38页 |
| ·边界提取 | 第38页 |
| ·实验结果及讨论 | 第38-41页 |
| 第四章 一种基于共生纹理与高斯核模糊均值聚类的分割方法 | 第41-59页 |
| ·几种常见的均值聚类算法概述 | 第41-47页 |
| ·确定性C-均值聚类算法 | 第41-42页 |
| ·模糊C-均值聚类算法(FCM) | 第42-44页 |
| ·高斯核模糊C-均值聚类算法(KFCM) | 第44-47页 |
| ·高斯核函数 | 第44页 |
| ·KFCM-1 算法 | 第44-46页 |
| ·KFCM-2 算法 | 第46-47页 |
| ·灰度共生矩阵(GLCM) | 第47-49页 |
| ·基于共生纹理与高斯核模糊均值聚类的分割算法设计 | 第49-54页 |
| ·纹理度量与特征向量提取 | 第49-51页 |
| ·设定聚类数目和模糊度 | 第51页 |
| ·选取初始聚类中心 | 第51-52页 |
| ·更新样本隶属度和聚类中心 | 第52-53页 |
| ·计算目标函数并检测停止条件 | 第53页 |
| ·分类判别 | 第53-54页 |
| ·形态学后处理提取边界 | 第54页 |
| ·实验结果及讨论 | 第54-59页 |
| 第五章 总结和展望 | 第59-62页 |
| ·本文研究工作的总结 | 第60页 |
| ·后续工作的展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-69页 |