| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·问题的提出 | 第10-11页 |
| ·课题研究的意义 | 第11-12页 |
| ·课题的工作和创新点 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 医学图像分割研究概述 | 第14-24页 |
| ·医学图像分割的定义 | 第14-15页 |
| ·图像分割在医学图像研究中的位置 | 第15-16页 |
| ·医学图像分割技术介绍 | 第16-23页 |
| ·基于区域的图像分割 | 第16-17页 |
| ·基于边缘的图像分割 | 第17-18页 |
| ·结合特定理论工具的图像分割 | 第18-23页 |
| ·本章小节 | 第23-24页 |
| 第三章 MAS协作求解及群体强化学习 | 第24-36页 |
| ·MAS的体系结构 | 第24-26页 |
| ·MAS中的相关性 | 第26-28页 |
| ·Agent间的结构相关性 | 第26-27页 |
| ·Agent间的行为相关性 | 第27-28页 |
| ·MAS中Agent间的协作 | 第28-30页 |
| ·协作规划 | 第29页 |
| ·协作模型 | 第29-30页 |
| ·MAS群体强化学习 | 第30-35页 |
| ·个体强化学习 | 第30-33页 |
| ·群体强化学习 | 第33-35页 |
| ·本章小节 | 第35-36页 |
| 第四章 MAS组织模型和Agent群体学习算法设计 | 第36-46页 |
| ·研究Agent组织的一般方法 | 第36页 |
| ·模型的组织结构设计 | 第36-41页 |
| ·Agent组的构成 | 第37-38页 |
| ·Agent域和Agent图 | 第38-39页 |
| ·模型的协作机制 | 第39-41页 |
| ·MAS群体强化学习模型设计 | 第41-45页 |
| ·Agent学习结构划分 | 第41-42页 |
| ·引入先验信息的强化函数设计 | 第42-44页 |
| ·基于Agent组的群体学习算法 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于MAS的医学图像分割模型及算法 | 第46-59页 |
| ·图像分割的高层模型 | 第46-56页 |
| ·智能Agent的内部结构 | 第46-48页 |
| ·图像的二维网格环境 | 第48-49页 |
| ·智能Agent的局部触发条件 | 第49-51页 |
| ·智能Agent的行为库 | 第51-53页 |
| ·模型设计中的几个问题 | 第53-56页 |
| ·图像分割算法流程 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 医学图像分割实验与结果分析 | 第59-65页 |
| ·脑组织分割 | 第59-61页 |
| ·脑冠状面MR图像分割 | 第61-63页 |
| ·异常脑组织的分割 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第七章 图像分割方法评价模型 | 第65-73页 |
| ·评价方法的基本要求 | 第65页 |
| ·分割评价准则 | 第65-67页 |
| ·常用的分割评价方法 | 第67-69页 |
| ·基于集对分析的分割评价 | 第69-72页 |
| ·同异反分析原理 | 第69-70页 |
| ·同异反评价模型 | 第70-71页 |
| ·评价模型的应用 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第八章 总结与展望 | 第73-75页 |
| ·工作总结 | 第73-74页 |
| ·工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 论文及科研情况 | 第80页 |