| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 插图目录 | 第11-14页 |
| 表格目录 | 第14-15页 |
| 主要符号对照表 | 第15-16页 |
| 第一章 绪论 | 第16-30页 |
| 1.1 研究背景 | 第16-27页 |
| 1.1.1 医学图像分割 | 第16-18页 |
| 1.1.2 分水岭变换 | 第18-22页 |
| 1.1.3 可形变模型 | 第22-26页 |
| 1.1.4 基于分水岭与可形变模型的混合分割模型 | 第26-27页 |
| 1.2 研究目的 | 第27-28页 |
| 1.3 研究内容 | 第28页 |
| 1.4 主要贡献 | 第28-29页 |
| 1.5 文章结构 | 第29-30页 |
| 第二章 脑MRI图像分割 | 第30-41页 |
| 2.1 引言 | 第30页 |
| 2.2 磁共振成像技术 | 第30-36页 |
| 2.2.1 磁共振成像原理 | 第30-35页 |
| 2.2.2 磁共振成像技术在医学领域的巨大优势 | 第35-36页 |
| 2.3 人脑的解剖结构 | 第36-37页 |
| 2.4 脑MRI图像的分割 | 第37-40页 |
| 2.4.1 脑MRI图像分割的意义和任务 | 第37-38页 |
| 2.4.2 脑MRI图像分割的难点 | 第38-39页 |
| 2.4.3 脑MRI图像分割的研究现状 | 第39-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于优化的分水岭变换的分割算法 | 第41-58页 |
| 3.1 引言 | 第41-42页 |
| 3.2 基于模拟浸没的分水岭分割方法 | 第42-46页 |
| 3.2.1 数学模型 | 第42-44页 |
| 3.2.2 算法的实现 | 第44-46页 |
| 3.3 基于显著性度量的多层次浸没的分水岭算法 | 第46-57页 |
| 3.3.1 多层次浸没的框架 | 第46-51页 |
| 3.3.2 差异度函数的设计 | 第51-54页 |
| 3.3.3 加入显著性度量 | 第54-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于无边缘几何活动轮廓模型的分割算法 | 第58-68页 |
| 4.1 引言 | 第58-59页 |
| 4.2 几何活动轮廓模型 | 第59-63页 |
| 4.2.1 基本思想 | 第59页 |
| 4.2.2 曲线演化理论 | 第59-60页 |
| 4.2.3 水平集算法 | 第60-63页 |
| 4.3 无边缘几何活动轮廓模型 | 第63-66页 |
| 4.3.1 Mumford-Shah模型 | 第63页 |
| 4.3.2 Chan-Vese 模型 | 第63-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第五章 混合分割模型 | 第68-73页 |
| 5.1 引言 | 第68-69页 |
| 5.2 混合分割模型 | 第69-72页 |
| 5.2.1 基本思想 | 第69-70页 |
| 5.2.2 算法实现 | 第70-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 实验与分析 | 第73-96页 |
| 6.1 引言 | 第73页 |
| 6.2 实验环境 | 第73-74页 |
| 6.3 分割结果的评价方法 | 第74-77页 |
| 6.3.1 过分割的评价方法 | 第74-75页 |
| 6.3.2 分割准确性的评价方法 | 第75-77页 |
| 6.4 分割系统设计 | 第77-83页 |
| 6.5 脑MRI图像分割实验 | 第83-95页 |
| 6.5.1 实验概述 | 第83-84页 |
| 6.5.2 实验一：基于优化分水岭变换的初始分割 | 第84-91页 |
| 6.5.3 实验二：基于Chan-Vese模型的后期修正 | 第91-95页 |
| 6.6 本章小结 | 第95-96页 |
| 第七章 总结与展望 | 第96-98页 |
| 7.1 本文工作总结 | 第96-97页 |
| 7.2 未来工作展望 | 第97-98页 |
| 参考文献 | 第98-108页 |
| 攻读硕士学位期间的研究成果 | 第108-109页 |
| 致谢 | 第109-112页 |
| 上海交通大学硕士学位论文答辩决议书 | 第112页 |