| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题的研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 PET/CT图像融合及其在肺癌辅助治疗中的应用 | 第10-11页 |
| 1.2.2 PET/CT图像分割及其在肺癌辅助治疗中的应用 | 第11-12页 |
| 1.2.3 基于图像的肿瘤生长模型及其在肺癌辅助诊疗中的应用 | 第12-13页 |
| 1.3 本文主要工作 | 第13-15页 |
| 2 基于图像的肺癌辅助诊疗相关技术 | 第15-26页 |
| 2.1 PET/CT成像技术 | 第15页 |
| 2.2 医学图像融合方法及评价指标 | 第15-20页 |
| 2.2.1 医学图像融合方法 | 第15-17页 |
| 2.2.2 图像融合评价指标 | 第17-20页 |
| 2.3 医学图像分割方法及评价指标 | 第20-23页 |
| 2.3.1 医学图像分割方法 | 第20-22页 |
| 2.3.2 医学分割评价标准 | 第22-23页 |
| 2.4 基于图像的肿瘤生长模型 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于交叉滤波器的图像融合算法 | 第26-36页 |
| 3.1 基于双边交叉滤波器和小波显著图的图像融合算法 | 第26-28页 |
| 3.1.1 双边交叉滤波器 | 第27页 |
| 3.1.2 基于小波变换的显著图提取 | 第27-28页 |
| 3.2 基于测地线距离的交叉滤波器图像融合算法 | 第28-29页 |
| 3.3 实验结果及分析 | 第29-35页 |
| 3.3.1 改进测量距离的融合结果及分析 | 第30-32页 |
| 3.3.2 与其他融合算法的结果比较与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于活动轮廓的图像分割方法 | 第36-50页 |
| 4.1 活动轮廓模型 | 第36页 |
| 4.2 结合图像局部信息和Hausdorff距离的图像分割算法 | 第36-44页 |
| 4.2.1 Hausdorff距离 | 第37-38页 |
| 4.2.2 新的Dirac函数 | 第38页 |
| 4.2.3 RSFH分割能量项 | 第38-40页 |
| 4.2.4 PET图像的实验结果与分析 | 第40-41页 |
| 4.2.5 超声图像的实验结果与分析 | 第41-44页 |
| 4.3 基于PET图像概率分布的肺部肿瘤分割方法 | 第44-48页 |
| 4.3.1 SUV转换 | 第44页 |
| 4.3.2 肿瘤局部灰度值概率分布拟合 | 第44-46页 |
| 4.3.3 LSBGFRLS能量项 | 第46-47页 |
| 4.3.4 实验结果及分析 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 基于PET图像的肺部肿瘤生长模型 | 第50-57页 |
| 5.1 对流反应方程 | 第50-53页 |
| 5.1.1 对流项 | 第50-51页 |
| 5.1.2 增殖项 | 第51-52页 |
| 5.1.3 治疗项 | 第52-53页 |
| 5.2 增殖项改进 | 第53-54页 |
| 5.3 参数估计 | 第54-55页 |
| 5.4 实验结果及分析 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
