MR图像的脑组织分割及GPU硬件加速
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景和研究目的 | 第9-11页 |
| ·医学图像分割技术研究现状 | 第11-14页 |
| ·硬件加速研究现状 | 第14-15页 |
| ·本文的研究目标和研究内容 | 第15页 |
| ·本文的组织安排 | 第15-17页 |
| 第2章 图像预处理 | 第17-23页 |
| ·MR 成像及脑MR 图像的特点 | 第17-19页 |
| ·不均匀场校正 | 第19-20页 |
| ·颅骨的去除 | 第20-23页 |
| 第3章 随机游走算法 | 第23-37页 |
| ·随机游走算法简介 | 第23页 |
| ·基于随机游走算法的图像分割 | 第23-30页 |
| ·权重的计算 | 第25页 |
| ·离散Dirichlet 问题 | 第25-27页 |
| ·算法流程 | 第27-28页 |
| ·先验概率模型 | 第28-30页 |
| ·随机游走算法相关的理论 | 第30-31页 |
| ·电阻网络理论 | 第30-31页 |
| ·与扩散理论的区别 | 第31页 |
| ·随机游走图像分割算法的理论特性 | 第31-33页 |
| ·随机游走图像分割算法的实验特性 | 第33-37页 |
| ·弱边界检测 | 第34-35页 |
| ·对噪声的鲁棒性 | 第35-36页 |
| ·对未标记有争议区域的分配 | 第36-37页 |
| 第4章 共轭梯度法 | 第37-43页 |
| ·共轭梯度算法 | 第37-40页 |
| ·共轭梯度法的算法步骤 | 第39页 |
| ·共轭梯度法的收敛性分析 | 第39-40页 |
| ·预条件共轭梯度法 | 第40-42页 |
| ·多搜索方向的共轭梯度法 | 第42-43页 |
| 第5 章 随机游走算法的改进与实现 | 第43-63页 |
| ·权重函数的改进 | 第43-50页 |
| ·图像局部熵 | 第44-46页 |
| ·基于LBP 的局部灰度离散度 | 第46-50页 |
| ·分类方法 | 第50-54页 |
| ·两类别Fisher 线性判别法 | 第50-53页 |
| ·基于Fisher 线性判别法的最佳阈值选取 | 第53-54页 |
| ·MR 脑图像的分割实验 | 第54-63页 |
| ·小脑分割实验 | 第54-58页 |
| ·脑灰质脑白质分割实验 | 第58-60页 |
| ·鲁棒性实验 | 第60-63页 |
| 第6章 基于 CUDA 的硬件加速 | 第63-79页 |
| ·CUDA 简介 | 第63-69页 |
| ·GPU 的硬件特点 | 第63-64页 |
| ·CUDA 编程模型 | 第64-69页 |
| ·基于CUDA 的算法实现 | 第69-79页 |
| ·CPU 和GPU 的任务分配 | 第69-70页 |
| ·边权重的计算 | 第70-72页 |
| ·共轭梯度法的实现 | 第72-75页 |
| ·硬件加速结果 | 第75-79页 |
| 第7章 总结与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 在读期间发表的学术论文与取得的研究成果 | 第87页 |
