基于实时超声心动图分割技术的心脏功能监测
| 致谢 | 第1-7页 |
| 中文摘要 | 第7-8页 |
| ABSTRACT | 第8-10页 |
| 目录 | 第10-12页 |
| 1 绪论 | 第12-24页 |
| ·超声心动图分割研究的背景及意义 | 第12-16页 |
| ·超声心动图及其诊断仪概述 | 第12-14页 |
| ·二维超声心动图简述 | 第14-15页 |
| ·超声心脏图像分割研究的背景和意义 | 第15-16页 |
| ·可编程图形处理器概述 | 第16-21页 |
| ·GPU的发展现状 | 第16-18页 |
| ·GPU并行计算技术概述 | 第18-20页 |
| ·CUDA的发展现状 | 第20-21页 |
| ·课题的提出 | 第21-23页 |
| ·本课题的来源及提出 | 第21-22页 |
| ·课题的学术意义及工程价值 | 第22-23页 |
| ·作者的主要工作和论文结构 | 第23页 |
| ·本章小结 | 第23-24页 |
| 2 CUDA计算统一设备架构 | 第24-34页 |
| ·CUDA的编程模型 | 第24-30页 |
| ·CUDA的架构简介 | 第24-26页 |
| ·CUDA的编译器简介 | 第26-27页 |
| ·CUDA的线程组织结构 | 第27-28页 |
| ·CUDA的存储器 | 第28-29页 |
| ·CUDA的执行模型 | 第29-30页 |
| ·CUDA接口简介 | 第30-32页 |
| ·CUDAAPI | 第30-31页 |
| ·CUDA编程接口 | 第31页 |
| ·CUDA的C编程语言扩展 | 第31-32页 |
| ·CUDA并行计算编程方法及优化原则 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于水平集的超声心动图分割研究 | 第34-50页 |
| ·图象分割概述 | 第34-35页 |
| ·经典图像分割方法概述 | 第35-41页 |
| ·基于边缘的图像分割 | 第35-38页 |
| ·基于颜色聚类的图像分割 | 第38-39页 |
| ·基于区域的图像分割 | 第39-41页 |
| ·基于水平集的图像分割方法概述 | 第41-49页 |
| ·曲线演化理论 | 第41-42页 |
| ·水平集方法的介绍 | 第42-44页 |
| ·水平集方法的应用 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 4 基于CPU+GPU架构的超声心动图分割实现 | 第50-63页 |
| ·分割算法的建立和处理 | 第50-54页 |
| ·改进的C-V模型分割算法 | 第50-53页 |
| ·分割算法的串行处理和并行分析 | 第53-54页 |
| ·CUDA并行算法设计与实现 | 第54-60页 |
| ·分割算法的CUDA并行化设计 | 第54-56页 |
| ·并行程序的优化 | 第56-57页 |
| ·具体实现步骤 | 第57-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 5 结论与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简历 | 第69-71页 |
| 学位论文数据集 | 第71页 |
