首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Django框架的脑磁共振图像的可视化平台的设计和开发

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

论文共72页,点击 下载论文
上一篇:基于WorldViz平台的儿童社会能力干预训练的虚拟现实技术研究
下一篇:力反馈仿人机械手主从控制系统研究