首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

超急性期缺血性脑卒中的影像分析

摘要第4-6页
abstract第6-7页
缩略词第14-15页
第一章 引言第15-35页
    1.1 课题研究背景第15-22页
        1.1.1 缺血性脑卒中影像学诊断第17-21页
        1.1.2 计算机辅助诊断第21-22页
    1.2 研究现状第22-31页
        1.2.1 基于影像分析的个性化溶栓第23-24页
        1.2.2 超急性期脑缺血区域分割第24-28页
        1.2.3 动静脉血管分割第28-31页
    1.3 本文研究目标第31-32页
    1.4 本文贡献第32-33页
    1.5 论文组织结构第33-35页
第二章 基于稀疏表示的超急性期脑缺血区域分割第35-55页
    2.1 引言第35-36页
    2.2 方法第36-43页
        2.2.1 数据预处理第37页
        2.2.2 非对称图像提取第37-38页
        2.2.3 训练样本提取第38-39页
        2.2.4 分类字典学习第39-41页
        2.2.5 感兴趣区域提取第41-42页
        2.2.6 逐体素分类第42-43页
    2.3 实验第43-48页
        2.3.1 实验数据第43页
        2.3.2 参数设置第43-45页
        2.3.3 感兴趣区域第45-46页
        2.3.4 与已有方法比较第46-48页
    2.4 讨论第48-53页
    2.5 总结第53-55页
第三章 基于稀疏表示-包特征的超急性期脑缺血分割第55-69页
    3.1 引言第55页
    3.2 稀疏表示-包特征第55-56页
    3.3 方法第56-61页
        3.3.1 体素分类第57-60页
        3.3.2 区域识别第60-61页
    3.4 实验第61-64页
        3.4.1 实验数据第61-64页
        3.4.2 字典学习方法比较第64页
        3.4.3 与已有方法比较第64页
    3.5 讨论第64-67页
    3.6 总结第67-69页
第四章 磁敏感加权图像静脉分割第69-85页
    4.1 引言第69-71页
    4.2 方法第71-74页
        4.2.1 图像预处理第72-73页
        4.2.2 图像块提取第73-74页
        4.2.3 损失函数第74页
    4.3 实验第74-81页
        4.3.1 实验数据第74-75页
        4.3.2 参数设置第75-77页
        4.3.3 稠密连接与混合损失函数第77-79页
        4.3.4 与已有方法比较第79-81页
    4.4 讨论第81-83页
    4.5 总结第83-85页
第五章 总结及展望第85-89页
    5.1 本文工作总结第85-87页
    5.2 下一步研究方向第87-89页
参考文献第89-101页
附录第101-103页
致谢第103-105页
作者简历及攻读学位期间发表的学术论文与研究成果第105-106页

论文共106页,点击 下载论文
上一篇:基于血液循环信息的神经肌肉功能评估及其在面瘫和偏瘫中的应用研究
下一篇:基于深度学习的胸腹部肿瘤呼吸运动的实时跟踪方法研究