基于CT图像的三维管道系统提取
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题的研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文研究内容及贡献 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 2 肝脏 CT 图像前期处理 | 第13-20页 |
| 2.1 多螺旋 CT 血管造影 | 第13-15页 |
| 2.2 图像噪声的去除 | 第15-16页 |
| 2.3 医学图像格式 | 第16-17页 |
| 2.3.1 DICOM 文件分析 | 第17页 |
| 2.4 肝脏的自动分割 | 第17-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 血管提取方法介绍 | 第20-29页 |
| 3.1 基于统计分析的阈值分割 | 第20-21页 |
| 3.2 基于模式识别的方法 | 第21-25页 |
| 3.2.1 区域生长的分割 | 第21-23页 |
| 3.2.2 基于形态学的分割方法 | 第23-25页 |
| 3.3 基于形变模型的分割方法 | 第25-27页 |
| 3.3.1 基于水平集的分割方法 | 第25-27页 |
| 3.4 基于追踪的分割方法 | 第27页 |
| 3.5 小结 | 第27-29页 |
| 4 基于 Hessian 矩阵的血管增强算法 | 第29-37页 |
| 4.1 血管增强 | 第29-30页 |
| 4.2 Hessian 矩阵基本原理 | 第30-33页 |
| 4.3 多尺度的融合 | 第33-36页 |
| 4.4 总结 | 第36-37页 |
| 5 基于 GMM-EM 的图像分割算法 | 第37-50页 |
| 5.1 GMM-EM 算法 | 第37-39页 |
| 5.2 K-means 算法 | 第39页 |
| 5.3 EM 算法和 K-means 算法 | 第39-42页 |
| 5.4 基于空间连通域的血管树追踪 | 第42-44页 |
| 5.4.1 像素间的基本关系 | 第42-43页 |
| 5.4.2 三维血管树追踪算法 | 第43-44页 |
| 5.5 实验结果展示 | 第44-47页 |
| 5.6 区域生长算法与本文算法实验比较 | 第47-48页 |
| 5.7 血管提取结果的验证 | 第48-49页 |
| 5.8 本章小结 | 第49-50页 |
| 6 多数据平台三维血管系统的实现 | 第50-55页 |
| 6.1 医学图像可视化 | 第50-51页 |
| 6.2 血管提取在系统中的应用 | 第51-54页 |
| 6.2.1 肝脏血管提取在系统中的应用 | 第51-53页 |
| 6.2.2 心血管提取在系统中的应用 | 第53-54页 |
| 6.3 小结 | 第54-55页 |
| 7 总结与展望 | 第55-57页 |
| 7.1 本文研究总结 | 第55-56页 |
| 7.2 进一步展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| 作者在攻读硕士学位期间所发表的文章目录 | 第62页 |
