基于心脏CT影像的左心耳图像分割与网格分割算法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景及意义 | 第11-12页 |
1.1.1 左心耳的解剖结构 | 第11页 |
1.1.2 左心耳血栓与左心耳封堵 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 门限分割方法 | 第12-14页 |
1.2.2 基于形态学的分割 | 第14-15页 |
1.3 本文主要研究内容 | 第15页 |
1.4 本文组织结构 | 第15-17页 |
第二章 网格分割算法 | 第17-25页 |
2.1 Mesh模型定义 | 第17页 |
2.2 多边形Mesh的表现形式 | 第17-20页 |
2.2.1 顶点对模型 | 第17-18页 |
2.2.2 面片顶点模型 | 第18-19页 |
2.2.3 翼边模型 | 第19-20页 |
2.3 Mesh模型的分割算法 | 第20-24页 |
2.3.1 特征参数 | 第21-22页 |
2.3.2 基于机器学习的mesh分割方法 | 第22-23页 |
2.3.3 基于区域生长的mesh分割方法 | 第23页 |
2.3.4 两种方法的比较 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第三章 心脏CT影像中心脏左心房的自动分割方法 | 第25-39页 |
3.1 研究素材 | 第25页 |
3.2 常见图像分割方法 | 第25-30页 |
3.2.1 固定阈值分割 | 第26-27页 |
3.2.2 分水岭分割 | 第27-28页 |
3.2.3 基于灰度统计学参数的分割 | 第28-29页 |
3.2.4 Snake主动轮廓模型分割 | 第29-30页 |
3.2.5 分割算法比较结论 | 第30页 |
3.3 基于直方图拟合的左心房分割 | 第30-35页 |
3.3.1 图像直方图研究 | 第30-31页 |
3.3.2 阈值的自动获取 | 第31-33页 |
3.3.3 目标区域(ROI)的确定 | 第33-35页 |
3.4 算法实现流程图 | 第35-36页 |
3.5 心脏3D模型的生成 | 第36-37页 |
3.6 本章小结 | 第37-39页 |
第四章 基于蚁群优化网格分割算法 | 第39-45页 |
4.1 模型和方法 | 第39-42页 |
4.1.1 基于蚁群优化的分割模型 | 第39页 |
4.1.2 残留信息浓度更新 | 第39-40页 |
4.1.3 蚂蚁的特征值 | 第40-41页 |
4.1.4 网格标签初始化和种子点产生 | 第41页 |
4.1.5 分割条件 | 第41-42页 |
4.2 算法实现流程 | 第42-43页 |
4.3 实验结果 | 第43-44页 |
4.3.1 标准实验 | 第43页 |
4.3.2 左心耳分割实验 | 第43-44页 |
4.4 本章小结 | 第44-45页 |
第五章 基于测地距离的心脏左心耳网格自动分割 | 第45-59页 |
5.1 测地距离概念 | 第45页 |
5.2 基于人工辅助的分割 | 第45-51页 |
5.2.1 基于测地距离(GD)的分割 | 第46-47页 |
5.2.2 基于SDF的分割 | 第47-49页 |
5.2.3 基于水平集的分割 | 第49-51页 |
5.3 左心耳网格的自动分割 | 第51-54页 |
5.3.1 问题分析 | 第51-52页 |
5.3.2 参考点定位方法 | 第52-54页 |
5.4 分割过程的算法实现 | 第54-57页 |
5.4.1 基于水平集方法的分割算法实现 | 第54-56页 |
5.4.2 测地距离参考点自动筛选算法 | 第56-57页 |
5.5 本章小结 | 第57-59页 |
第六章 实验结果与分析 | 第59-67页 |
6.1 分割结果 | 第59-63页 |
6.1.1 计算采用的参数 | 第59-60页 |
6.1.2 分割结果图及定性分析 | 第60-63页 |
6.2 结果的定量比较分析 | 第63-66页 |
6.2.1 定量分析的判定标准 | 第63-64页 |
6.2.2 分割算法的定量分析 | 第64-66页 |
6.3 本章小结 | 第66-67页 |
第七章 总结与展望 | 第67-69页 |
7.1 工作总结 | 第67页 |
7.2 工作展望 | 第67-69页 |
参考文献 | 第69-73页 |
致谢 | 第73页 |