| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·图像分割原理 | 第11-12页 |
| ·医学图像分割的意义 | 第12-14页 |
| ·医学影像技术的发展 | 第12-13页 |
| ·医学图像分割的意义 | 第13-14页 |
| ·医学图像分割难点 | 第14页 |
| ·医学图像分割现状 | 第14-16页 |
| ·本文主要研究内容 | 第16-17页 |
| 第二章 医学图像分割算法 | 第17-28页 |
| ·概述 | 第17页 |
| ·基于区域的分割 | 第17-22页 |
| ·阈值分割法 | 第17-18页 |
| ·区域生长分割法 | 第18-20页 |
| ·基于聚类的分割方法 | 第20-22页 |
| ·基于图谱的分割方法 | 第22页 |
| ·基于边缘的分割 | 第22-26页 |
| ·微分算子边缘检测 | 第23-25页 |
| ·基于曲面的拟合算法 | 第25-26页 |
| ·基于边界曲线的拟合法 | 第26页 |
| ·结合区域和边缘信息的分割方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于水平集的曲线演化模型图像分割 | 第28-44页 |
| ·概述 | 第28-29页 |
| ·曲线演化理论 | 第29-30页 |
| ·水平集方法理论 | 第30-36页 |
| ·水平集符号函数 | 第31-32页 |
| ·基于水平集的曲线演化 | 第32-36页 |
| ·水平集方法的数值计算 | 第36-39页 |
| ·偏微分方程求解 | 第36页 |
| ·水平集方法的数值计算 | 第36-39页 |
| ·简化的 Mumford-Shah 曲线演化模型 | 第39-43页 |
| ·Mumford-Shah 模型 | 第39-40页 |
| ·简化的 Mumford-Shah 模型（C-V 模型） | 第40-41页 |
| ·基于水平集的C-V 模型求解 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 形状约束的水平集曲线演化医学图像分割 | 第44-57页 |
| ·概述 | 第44页 |
| ·统计形状学习 | 第44-50页 |
| ·物体轮廓的提取 | 第45-46页 |
| ·相似性变换和统计特征提取 | 第46-48页 |
| ·主分量分析的原理及统计形状的获得 | 第48-50页 |
| ·引入形状信息的C-V 模型 | 第50-52页 |
| ·总能量函数 | 第50-51页 |
| ·形状能量项 | 第51页 |
| ·水平集演化方程 | 第51-52页 |
| ·脑表皮分割实验结果与分析 | 第52-56页 |
| ·脑表皮分割结果 | 第52-55页 |
| ·实验结果分析与比较 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于灰度矩的水平集曲线演化医学图像分割 | 第57-70页 |
| ·概述 | 第57-58页 |
| ·Local Binary Fitting 模型 | 第58-61页 |
| ·LBF 能量函数 | 第58-59页 |
| ·水平集表示 | 第59-60页 |
| ·梯度流 | 第60-61页 |
| ·灰度矩 | 第61-64页 |
| ·灰度矩理想边缘模型 | 第61-62页 |
| ·灰度矩数值计算 | 第62-64页 |
| ·基于灰度矩的LBF 模型 | 第64-66页 |
| ·总能量函数 | 第64-65页 |
| ·梯度流 | 第65-66页 |
| ·血管分割实验结果与分析 | 第66-69页 |
| ·血管分割结果 | 第66-67页 |
| ·实验结果分析与比较 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 全文总结 | 第70-72页 |
| ·主要结论 | 第70-71页 |
| ·研究展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78页 |