| 摘要 | 第3-9页 |
| ABSTRACT | 第9-15页 |
| 第一章 绪论 | 第18-27页 |
| 1.1 稀疏表达以及局部线性表达算法研究现状 | 第18-19页 |
| 1.2 前列腺分割研究现状 | 第19-22页 |
| 1.3 婴儿大脑MR图像配准研究现状 | 第22-24页 |
| 1.4 基于MR数据预测CT图像研究现状 | 第24-25页 |
| 1.5 文章结构安排 | 第25-27页 |
| 第二章 稀疏表达以及局部线性表达算法简介 | 第27-32页 |
| 2.1 引言 | 第27-29页 |
| 2.2 稀疏表达算法简介 | 第29-30页 |
| 2.3 局部线性表达算法简介 | 第30-32页 |
| 第三章 前列腺CT图像三维分割算法研究 | 第32-49页 |
| 3.1 引言 | 第32-34页 |
| 3.2 前列腺CT图像三维分割 | 第34-40页 |
| 3.2.1 实验数据预处理 | 第35页 |
| 3.2.2 基于变尺度图像块的特征提取算法 | 第35-38页 |
| 3.2.3 基于局部独立投影的分类算法 | 第38-39页 |
| 3.2.4 字典在线更新 | 第39-40页 |
| 3.2.5 实验数据后处理 | 第40页 |
| 3.3 实验与分析 | 第40-48页 |
| 3.3.1 数据来源与计算时间 | 第40-41页 |
| 3.3.2 变尺度图像块特征提取算法的有效性 | 第41-43页 |
| 3.3.3 局部独立投影算法的有效性 | 第43-44页 |
| 3.3.4 字典在线更新的有效性 | 第44-46页 |
| 3.3.5 前列腺分割算法对比 | 第46-48页 |
| 3.4 本章讨论与小结 | 第48-49页 |
| 第四章 婴儿大脑MR图像配准算法研究 | 第49-68页 |
| 4.1 引言 | 第49-50页 |
| 4.2 婴儿大脑MR图像配准 | 第50-56页 |
| 4.2.1 实验数据预处理 | 第50-51页 |
| 4.2.2 建立训练集中大脑生长轨迹 | 第51-52页 |
| 4.2.3 基于稀疏表达寻找对应点 | 第52-55页 |
| 4.2.4 渐进式双向配准策略 | 第55-56页 |
| 4.3 实验与分析 | 第56-66页 |
| 4.3.1 数据来源 | 第56-57页 |
| 4.3.2 渐进式双向配准策略的有效性 | 第57-58页 |
| 4.3.3 同一病人不同时间点之间的图像配准 | 第58-63页 |
| 4.3.4 不同病人不同时间点之间的图像配准 | 第63-66页 |
| 4.4 本章讨论与小结 | 第66-68页 |
| 第五章 基于MR数据预测CT图像算法研究 | 第68-83页 |
| 5.1 引言 | 第68-69页 |
| 5.2 基于多模态MR数据预测CT图像 | 第69-73页 |
| 5.2.1 实验数据预处理 | 第71页 |
| 5.2.2 构建MR字典和CT字典 | 第71-72页 |
| 5.2.3 局部线性表达求解字典系数 | 第72页 |
| 5.2.4 预测CT图像 | 第72-73页 |
| 5.3 实验与分析 | 第73-81页 |
| 5.3.1 数据来源 | 第73页 |
| 5.3.2 采用本文算法的CT预测结果 | 第73-74页 |
| 5.3.3 预测CT图像块与预测单个像素点CT值的结果对比 | 第74-75页 |
| 5.3.4 采用单模态与多模态MR数据对预测结果的影响 | 第75-77页 |
| 5.3.5 线性表达过程中强调局部性对结果的影响 | 第77-79页 |
| 5.3.6 基于MR图像预测CT图像算法对比 | 第79-81页 |
| 5.4 本章讨论与小结 | 第81-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 论文总结 | 第83-84页 |
| 6.2 工作展望 | 第84-85页 |
| 参考文献 | 第85-96页 |
| 博士期间研究成果 | 第96-98页 |
| 致谢 | 第98-101页 |
| 统计学合格证明 | 第101页 |