| 第一章 绪论 | 第1-12页 |
| §1-1 课题的研究背景和意义 | 第7-8页 |
| §1-2 医学图像分割的发展 | 第8-10页 |
| §1-3 磁共振成像(MRI)技术 | 第10页 |
| §1-4 本课题的主要研究内容 | 第10-12页 |
| 第二章 医学图像分割方法的分类 | 第12-22页 |
| §2-1 最基本的分割方法 | 第12-14页 |
| 2-1-1 灰度阈值分割方法 | 第12-13页 |
| 2-1-2 边缘检测分割方法 | 第13页 |
| 2-1-3 区域跟踪分割方法 | 第13-14页 |
| §2-2 复合的图像分割方法 | 第14-22页 |
| 2-2-1 基于模糊技术的分割方法 | 第14-15页 |
| 2-2-2 基于知识的分割方法 | 第15页 |
| 2-2-3 基于神经网络的分割方法 | 第15-16页 |
| 2-2-4 基于动态模型的分割方法 | 第16-19页 |
| 2-2-5 基于Mumford-Shah模型的分割方法 | 第19-20页 |
| 2-2-6 基于小波变换的分割方法 | 第20页 |
| 2-2-7 基于数学形态的分割方法 | 第20-21页 |
| 2-2-8 基于统计学的分割方法 | 第21-22页 |
| 第三章 随机场理论及应用 | 第22-31页 |
| §3-1 MARKOV随机场 | 第22-27页 |
| 3-1-1 Markov随机场理论 | 第22-24页 |
| 3-1-2 Gibbs随机场(Gibbs Random Field,GRF) | 第24-25页 |
| 3-1-3 一些常用的MRF模型 | 第25-27页 |
| §3-2 GRF参数估计 | 第27-28页 |
| 3-2-1 最大后验估计(MAP) | 第27-28页 |
| §3-3 用于图像分类的随机场模型 | 第28-31页 |
| 3-3-1 MAP-MRF框架 | 第28-29页 |
| 3-3-2 组合优化算法 | 第29-31页 |
| 第四章 FGM算法的改进应用 | 第31-49页 |
| §4-1 有限混合模型及其参数估计 | 第31-37页 |
| 4-1-1 有限混合(FM)模型 | 第31-32页 |
| 4-1-2 最大估计方法 | 第32-33页 |
| 4-1-3 最大估计方法的一般步骤 | 第33-34页 |
| 4-1-4 最大估计方法图像分割 | 第34-36页 |
| 4-1-5 FM模型在脑部MRI图像分割中的应用 | 第36-37页 |
| §4-2 FGM算法的改进应用 | 第37-42页 |
| 4-2-1 空间信息的引入 | 第37-38页 |
| 4-2-2 参数估计 | 第38页 |
| 4-2-3 最大后验概率(MAP)分类 | 第38-39页 |
| 4-2-4 ICM算法 | 第39-42页 |
| §4-3 带Bias场矫正的脑部MRI分割 | 第42-46页 |
| 4-3-1 Bias场矫正算法 | 第42-44页 |
| 4-3-2 Bias矫正的引入 | 第44-46页 |
| §4-4 医学图像分割方法的评价 | 第46-49页 |
| 第五章 结论与展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间所取得的相关科研成果 | 第56页 |