基于水平集模型的形状先验分割算法及其在肝脏分割的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-23页 |
| ·引言 | 第14-16页 |
| ·医学图像分割算法研究 | 第16-20页 |
| ·基于区域的方法 | 第16-17页 |
| ·基于神经网络的方法 | 第17-18页 |
| ·基于统计学的方法 | 第18-19页 |
| ·基于模型的方法 | 第19-20页 |
| ·肝脏灌注分析及其临床意义 | 第20-21页 |
| ·本文的研究内容与章节安排 | 第21-23页 |
| 第二章 基于可变形模型的医学图像分割 | 第23-30页 |
| ·引言 | 第23页 |
| ·蛇形算法 | 第23-25页 |
| ·水平集方法 | 第25-28页 |
| ·分割结果的评估方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 CV 模型和传统形状先验分割方法 | 第30-36页 |
| ·引言 | 第30页 |
| ·CV 模型 | 第30-34页 |
| ·形状先验信息的加入 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于水平集模型的形状先验分割新算法 | 第36-50页 |
| ·引言 | 第36页 |
| ·初始分割结果 | 第36-38页 |
| ·特征图像 | 第36-37页 |
| ·运用CV 模型得到初始分割结果 | 第37-38页 |
| ·初始先验形状 | 第38-43页 |
| ·Mean Shift 方法 | 第38-39页 |
| ·样本轮廓的获取 | 第39页 |
| ·对应样本点的确定 | 第39-41页 |
| ·利用Mean Shift 确定各组特征点 | 第41-42页 |
| ·二维闭合曲线的拟合 | 第42-43页 |
| ·先验形状的训练 | 第43-48页 |
| ·基于先验形状的分割 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 实验和讨论 | 第50-71页 |
| ·引言 | 第50页 |
| ·实验环境 | 第50-51页 |
| ·分割结果评价方法 | 第51-53页 |
| ·Similarity Index(SI) | 第51-52页 |
| ·相对差异度(RDD)与相对重叠度(ROD) | 第52页 |
| ·真阳性率(TPF)等 | 第52-53页 |
| ·传统方法的分割结果 | 第53-56页 |
| ·传统水平集方法的分割结果 | 第53-55页 |
| ·传统形状先验方法的分割结果 | 第55-56页 |
| ·基于水平集模型的形状先验分割新算法实验 | 第56-64页 |
| ·新模型对CT 图像的分割 | 第56-60页 |
| ·新模型对MRI 图像的分割 | 第60-63页 |
| ·新模型对序列中残缺图像的分割 | 第63-64页 |
| ·分割结果评价和讨论 | 第64-68页 |
| ·速度提升的讨论 | 第65-66页 |
| ·精度的比较与讨论 | 第66-68页 |
| ·本文模型的应用 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·本文工作总结 | 第71-72页 |
| ·未来工作展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79页 |
