摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-14页 |
1.1 论文的研究背景 | 第10-11页 |
1.1.1 研究背景 | 第10页 |
1.1.2 选题意义 | 第10-11页 |
1.2 国内外研究现状及趋势 | 第11-12页 |
1.3 论文研究目的及内容 | 第12页 |
1.3.1 研究目的 | 第12页 |
1.3.2 研究内容 | 第12页 |
1.4 论文组织结构 | 第12-14页 |
第二章 相关技术介绍 | 第14-24页 |
2.1 脑磁共振图像可视化平台的系统开发环境 | 第14页 |
2.2 服务器端技术 | 第14-17页 |
2.2.1 Django框架 | 第14-16页 |
2.2.2 Python | 第16-17页 |
2.2.3 MySQL | 第17页 |
2.3 Web前端技术 | 第17-21页 |
2.3.1 Node.js | 第17-18页 |
2.3.2 Vue.js框架 | 第18-19页 |
2.3.3 DWV框架 | 第19页 |
2.3.4 Ajax技术 | 第19-20页 |
2.3.5 MVVM模式 | 第20-21页 |
2.4 开发工具 | 第21-22页 |
2.4.1 NPM包管理工具 | 第21页 |
2.4.2 Webpack | 第21-22页 |
2.4.3 Git代码管理工具 | 第22页 |
2.5 本章小结 | 第22-24页 |
第三章 脑磁共振图像可视化平台的系统设计与功能实现 | 第24-42页 |
3.1 脑磁共振图像可视化平台的需求分析 | 第24页 |
3.2 脑磁共振图像可视化平台的系统设计 | 第24-25页 |
3.3 脑磁共振图像可视化平台的数据库建模 | 第25-28页 |
3.3.1 数据分析 | 第25页 |
3.3.2 E-R(实体-联系)模型 | 第25-26页 |
3.3.3 用户数据库表的设计 | 第26-27页 |
3.3.4 脑磁共振图像数据库表的设计 | 第27-28页 |
3.4 用户管理模块 | 第28-32页 |
3.4.1 登录注册实现 | 第28-31页 |
3.4.2 忘记密码和重置密码 | 第31-32页 |
3.5 病人信息管理模块 | 第32-37页 |
3.5.1 病人信息上传 | 第33-34页 |
3.5.2 DICOM文件上传和存储 | 第34-36页 |
3.5.3 病人信息查询 | 第36-37页 |
3.6 脑磁共振图像可视化平台权限管理 | 第37-39页 |
3.7 脑磁共振图像可视化平台的前端页面设计 | 第39-40页 |
3.8 脑磁共振图像可视化平台系统安全设计 | 第40-41页 |
3.9 本章小结 | 第41-42页 |
第四章 脑磁共振图像的Web端加载与处理 | 第42-58页 |
4.1 DICOM标准及文件格式 | 第42-43页 |
4.1.1 DICOM标准 | 第42页 |
4.1.2 DICOM文件格式 | 第42-43页 |
4.2 脑磁共振图像的Web端加载 | 第43-45页 |
4.2.1 Canvas标签 | 第43-44页 |
4.2.2 DWV加载DCM图像 | 第44-45页 |
4.3 脑磁共振图像的Web端解析 | 第45-47页 |
4.4 脑磁共振图像的可视化分析 | 第47-52页 |
4.5 基于脑磁共振图像的颅骨分割 | 第52-56页 |
4.5.1 LiveWire分割算法 | 第52-54页 |
4.5.2 区域增长分割算法 | 第54-56页 |
4.6 本章小结 | 第56-58页 |
第五章 脑磁共振图像可视化平台评估与优化 | 第58-64页 |
5.1 脑磁共振图像可视化平台评估 | 第58-61页 |
5.1.1 脑磁共振图像可视化平台的功能测试 | 第58-60页 |
5.1.2 脑磁共振图像可视化平台的性能评估 | 第60-61页 |
5.2 脑磁共振图像可视化平台优化 | 第61-62页 |
5.2.1 Web性能优化 | 第61-62页 |
5.2.2 脑磁共振图像可视化平台的系统优化 | 第62页 |
5.3 本章小结 | 第62-64页 |
第六章 总结与展望 | 第64-66页 |
6.1 总结 | 第64页 |
6.2 展望 | 第64-66页 |
致谢 | 第66-68页 |
参考文献 | 第68-72页 |
作者简介 | 第72页 |