| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 课题研究现状 | 第11-12页 |
| 1.3 本文的主要工作内容和结构 | 第12-14页 |
| 第二章 医学图像分割方法综述 | 第14-28页 |
| 2.1 阈值分割方法 | 第14页 |
| 2.2 区域生长分割方法 | 第14-15页 |
| 2.3 基于统计模型的分割方法 | 第15-17页 |
| 2.3.1 高斯混合模型 | 第15页 |
| 2.3.2 马尔可夫随机场模型 | 第15-17页 |
| 2.4 基于活动轮廓模型的分割方法 | 第17-21页 |
| 2.4.1 活动轮廓模型 | 第17-19页 |
| 2.4.2 水平集分割 | 第19-20页 |
| 2.4.3 基于活动轮廓模型的多区域分割 | 第20-21页 |
| 2.5 模糊C均值聚类方法 | 第21-23页 |
| 2.6 基于人工神经网络的分割方法 | 第23-25页 |
| 2.6.1 自组织映射神经网络(Self –Organizing Map) | 第24-25页 |
| 2.6.2 学习向量量化神经网络(Learning Vector Quantization) | 第25页 |
| 2.7 医学图像分割效果评估指标 | 第25-27页 |
| 2.7.1 JS指标与Dice系数 | 第26页 |
| 2.7.2 CV指标与CJV指标 | 第26-27页 |
| 2.8 小结 | 第27-28页 |
| 第三章 综合偏移场校正的交织型OTSU分割方法 | 第28-40页 |
| 3.1 MR图像模型 | 第28-30页 |
| 3.2 扩展OTSU方法 | 第30-31页 |
| 3.3 结合偏移场估计的交织型OTSU分割 | 第31-33页 |
| 3.3.1 估计成员函数和灰度值常数 | 第31-32页 |
| 3.3.2 估计偏移场 | 第32页 |
| 3.3.3 偏移场校正 | 第32-33页 |
| 3.3.4 算法总结与实现 | 第33页 |
| 3.4 实验结果与分析 | 第33-39页 |
| 3.4.1 实验结果 | 第33-37页 |
| 3.4.2 指标分析 | 第37-39页 |
| 3.5 小结 | 第39-40页 |
| 第四章 多通道正常组织分割研究 | 第40-51页 |
| 4.1 多模态MR图像介绍 | 第40-41页 |
| 4.2 多通道正常组织分割 | 第41-44页 |
| 4.2.1 多通道分割算法 | 第41-43页 |
| 4.2.2 算法总结与实现 | 第43页 |
| 4.2.3 算法优势分析 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-50页 |
| 4.4 小结 | 第50-51页 |
| 第五章 脑室分割问题研究 | 第51-61页 |
| 5.1 问题背景介绍 | 第51-54页 |
| 5.1.1 多通道病变组织分割 | 第51-52页 |
| 5.1.2 脑室分割特点分析 | 第52-54页 |
| 5.2 脑室分割方法 | 第54-57页 |
| 5.2.1 交织型Otsu算法变形 | 第54-55页 |
| 5.2.2 脑室分割算法 | 第55-57页 |
| 5.2.3 算法总结与流程 | 第57页 |
| 5.3 实验结果 | 第57-60页 |
| 5.4 小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |