| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-15页 |
| 1.1 选题背景与研究意义 | 第7页 |
| 1.2 常用医学成像技术 | 第7-9页 |
| 1.3 人体解剖学基本术语 | 第9页 |
| 1.4 脑部医学图像分割简介 | 第9-11页 |
| 1.5 脑图像分割方法 | 第11-13页 |
| 1.5.1 基于区域的分割方法 | 第11-12页 |
| 1.5.2 基于边界的分割方法 | 第12页 |
| 1.5.3 区域-边界混合方法 | 第12-13页 |
| 1.5.4 基于图谱的分割方法 | 第13页 |
| 1.6 本文研究内容和结构安排 | 第13-15页 |
| 2 基于多图谱的分割算法 | 第15-25页 |
| 2.1 图谱配准 | 第17-21页 |
| 2.1.1 图像配准的常用相似性测度 | 第18-19页 |
| 2.1.2 图像配准的空间变换方式 | 第19-21页 |
| 2.2 图谱选择 | 第21页 |
| 2.3 标记映射 | 第21-22页 |
| 2.4 标记融合 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 多回路配准误差估计算法研究 | 第25-41页 |
| 3.1 引言 | 第25-26页 |
| 3.2 AQUIRC算法原理 | 第26-28页 |
| 3.3 线性配准误差分析实验 | 第28-37页 |
| 3.3.1 实验数据 | 第28页 |
| 3.3.2 实验方案 | 第28-29页 |
| 3.3.3 实验结果与分析 | 第29-37页 |
| 3.4 非线性配准误差分析实验 | 第37-40页 |
| 3.4.1 实验方案 | 第37-38页 |
| 3.4.2 实验结果与分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于配准误差和灰度相似性的多图谱标记融合算法 | 第41-49页 |
| 4.1 引言 | 第41-42页 |
| 4.2 算法原理 | 第42-44页 |
| 4.2.1 配准误差估计算法AQUIRC | 第42页 |
| 4.2.2 基于配准误差和灰度相似性的联合加权融合算法 | 第42-44页 |
| 4.3 脑MR图像分割实验 | 第44-48页 |
| 4.3.1 实验方案 | 第44-45页 |
| 4.3.2 实验结果与分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-59页 |