| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 引言 | 第12-18页 |
| ·HIFU技术及其工作原理 | 第12-13页 |
| ·HIFU治疗作用和机制 | 第13-14页 |
| ·HIFU治疗的优点 | 第14-15页 |
| ·HIFU治疗效果的监控和检测机制 | 第15-16页 |
| ·温度监控 | 第15页 |
| ·组织损伤程度监控 | 第15-16页 |
| ·治疗区域的无损检测 | 第16页 |
| ·本文研究的目的意义和主要任务 | 第16-18页 |
| ·意义和目的 | 第16-17页 |
| ·本文的主要任务 | 第17-18页 |
| 第二章 基于超声无损探测组织温度及损伤程度模型 | 第18-30页 |
| ·生物组织模型 | 第18-20页 |
| ·生物组织离散随机介质模型 | 第18-19页 |
| ·生物组织分层介质模型 | 第19-20页 |
| ·基于超声信号的无损监控方法 | 第20-27页 |
| ·基于超声信号无损测温 | 第20-26页 |
| ·后向散射时移测温法 | 第20-21页 |
| ·后向散射频移测温法 | 第21-22页 |
| ·后向散射能量测温法 | 第22页 |
| ·超声非线性参数测温法 | 第22-23页 |
| ·声学反演法测温法 | 第23-25页 |
| ·超声回波时频图分割无损测温法 | 第25-26页 |
| ·基于超声信号的组织损伤程度无损监控 | 第26-27页 |
| ·基于B超图像的无损监控方法 | 第27-28页 |
| ·基于B超图像像素位移的测温方法 | 第27页 |
| ·基于B超图像半衰期组织损伤检测 | 第27-28页 |
| ·基于B超图像平均灰度信息的测温方法 | 第28页 |
| ·基于B超图像纹理信息的测温方法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 温度相关的组织超声图像纹理参数数据挖掘 | 第30-66页 |
| ·数据挖掘技术 | 第30-35页 |
| ·数据挖掘定义 | 第30-31页 |
| ·数据挖掘任务 | 第31-32页 |
| ·数据挖掘过程 | 第32-34页 |
| ·数据预处理 | 第32-33页 |
| ·数据挖掘技术方法 | 第33-34页 |
| ·数据挖掘技术后处理 | 第34页 |
| ·医学数据挖掘 | 第34-35页 |
| ·数字图像纹理理论基础 | 第35-50页 |
| ·数字图像纹理定义 | 第36-38页 |
| ·灰度共生矩阵与图像纹理 | 第38-41页 |
| ·纹理描述符 | 第38-39页 |
| ·矩阵特点 | 第39-40页 |
| ·灰度共生矩阵纹理信息在医学中的应用 | 第40-41页 |
| ·图像纹理的分形表示 | 第41-46页 |
| ·分形定义 | 第41-42页 |
| ·分形维数的测量方法 | 第42-45页 |
| ·自相似维数 | 第42页 |
| ·Hausdorff维数 | 第42-43页 |
| ·盒维数 | 第43-44页 |
| ·信息维 | 第44-45页 |
| ·B超图像的分形特征 | 第45-46页 |
| ·分形纹理信息在医学中的应用 | 第46页 |
| ·小波理论与图像纹理的小波表示 | 第46-50页 |
| ·连续小波变换 | 第47-48页 |
| ·离散小波变换 | 第48-50页 |
| ·基于小波的纹理分析在医学中的应用 | 第50页 |
| ·实验设计与数据的获取 | 第50页 |
| ·温度相关纹理参数数据挖掘 | 第50-58页 |
| ·温度与超声图像及超声剪影图像分形维数的关系 | 第51-53页 |
| ·温度与灰度共生矩阵(GLCM)纹理参数的关系分析 | 第53-57页 |
| ·温度与B超剪影图像小波分解系数能量的关系分析 | 第57-58页 |
| ·HIFU焦域中心点温度与纹理参数的回归分析 | 第58-64页 |
| ·一元线性回归分析 | 第59-62页 |
| ·回归直线的假设的F显著性检验与置信区间 | 第60页 |
| ·超声剪影图像纹理参数与HIFU焦域中心点温度的线性回归分析结果 | 第60-62页 |
| ·基于主成分分析的多元线性回归 | 第62-64页 |
| ·主成分分析原理 | 第62-63页 |
| ·多元线性回归 | 第63-64页 |
| ·本章小节 | 第64-66页 |
| 第四章 基于超声图像的HIFU束损伤程度评估方法研究 | 第66-94页 |
| ·对组织HIFU热损伤的判定 | 第66页 |
| ·HIFU剂量学 | 第66-69页 |
| ·能量分析 | 第66-69页 |
| ·图像像素点运动变化追踪算法原理 | 第69-75页 |
| ·块匹配法 | 第69-73页 |
| ·卷积和相关性分析 | 第70-72页 |
| ·图像的亚像素级配准 | 第72-73页 |
| ·光流法 | 第73-75页 |
| ·光流计算基本方法 | 第74-75页 |
| ·光流法在医学图像处理中的应用 | 第75页 |
| ·基于B超图像HIFU束损伤相关参数数据挖掘 | 第75-79页 |
| ·实验设计及数据获取 | 第75-77页 |
| ·数据挖掘提取 | 第77-79页 |
| ·基于块匹配的挖掘算法 | 第77-78页 |
| ·特征点位移的亚像素级分析 | 第78-79页 |
| ·数据挖掘结果分析 | 第79-87页 |
| ·ROI B超图像特征点空间相关性及位移分析 | 第79-81页 |
| ·B超图像相关性与组织损伤等级的关系 | 第81-85页 |
| ·剂量与超声图像相关距离及组织损伤程度的关系 | 第85页 |
| ·B温度与超图像相关距离及组织损伤等级的关系 | 第85-86页 |
| ·参数的选取 | 第86-87页 |
| ·ROI区域大小的选取 | 第86页 |
| ·特征点数的选取 | 第86页 |
| ·特征矩阵大小的选取 | 第86页 |
| ·相关性阀值的选取 | 第86-87页 |
| ·基于支持向量机的HIFU束损伤程度自动识别 | 第87-92页 |
| ·数据挖掘主要的分类方法模型 | 第87-88页 |
| ·支持向量机法 | 第88-91页 |
| ·SVM在HIFU束损伤等级判定中的应用 | 第91-92页 |
| ·本章小结 | 第92-94页 |
| 第五章 HIFU损伤区域自动识别 | 第94-119页 |
| ·数字图像分割 | 第94-95页 |
| ·数字图像分割方法与技术 | 第95-98页 |
| ·基于阈值的分割技术 | 第95页 |
| ·基于边缘检测的方法 | 第95-96页 |
| ·基于区域生长的方法 | 第96页 |
| ·基于自产生和自组织神经网络的方法 | 第96-97页 |
| ·自组织特征映射(SOFM) | 第97页 |
| ·自产生和自组织神经网络(SCONN) | 第97页 |
| ·可形变模型 | 第97-98页 |
| ·参数主动轮廓模型 | 第98-100页 |
| ·Snake的数学模型 | 第98-99页 |
| ·Snake模型的特点 | 第99-100页 |
| ·几何主动轮廓模型 | 第100-106页 |
| ·测地线活动区域模型 | 第100-101页 |
| ·Mumford-Shah(MS)模型 | 第101-106页 |
| ·Mumford-Shah简化模型 | 第102-106页 |
| ·弱膜能量模型 | 第102-103页 |
| ·辅助变量模型 | 第103页 |
| ·分片常数的Mumford-Shah模型 | 第103-105页 |
| ·水平集模型 | 第105-106页 |
| ·基于水平集的HIFU损伤区域形状信息挖掘 | 第106-118页 |
| ·实验设计及数据获取 | 第106-107页 |
| ·基于水平集的二维HIFU损伤区域探测方法 | 第107-112页 |
| ·ROI区域的选取 | 第107页 |
| ·图像数据的预处理 | 第107-108页 |
| ·零水平集的自动初始化 | 第108-109页 |
| ·水平集方法与几种常用算法的分割结果的对比 | 第109-110页 |
| ·特殊情况下参数的选取 | 第110-112页 |
| ·基于水平集的及表面重建的三维HIFU损伤区域探测 | 第112-114页 |
| ·零水平集的初始化 | 第112页 |
| ·水平集速度函数的定义 | 第112-113页 |
| ·二维双零双速度水平集方法的分割结果 | 第113-114页 |
| ·HIFU损伤区域三维表面重建 | 第114-118页 |
| ·表面插值 | 第114-115页 |
| ·等值面绘制 | 第115-116页 |
| ·三维成像处理 | 第116-117页 |
| ·三维重建结果 | 第117-118页 |
| ·本章小结 | 第118-119页 |
| 第六章 总结与展望 | 第119-122页 |
| ·本论文的主要内容 | 第119-120页 |
| ·未来工作展望 | 第120-122页 |
| 参考文献 | 第122-136页 |
| 致谢 | 第136-137页 |
| 攻读学位期间发表的论文 | 第137页 |
