摘要 | 第5-8页 |
Abstract | 第8-11页 |
1 绪论 | 第15-27页 |
1.1 医学图像和分割简介 | 第15-17页 |
1.2 医学图像分割和检测的研究综述 | 第17-23页 |
1.2.1 图像分割的方法分类 | 第17页 |
1.2.2 医学图像分割和检测的研究现状 | 第17-23页 |
1.3 论文的结构安排及创新点 | 第23-27页 |
2 预备知识 | 第27-35页 |
2.1 基于水平集方法的分割模型 | 第27-32页 |
2.2 分割结果的量化评估方法 | 第32-35页 |
3 变分水平集框架下基于Dempster-Shafer证据理论的医学超声图像分割 | 第35-53页 |
3.1 基础知识 | 第35-39页 |
3.1.1 CV模型及一个更普遍的能量泛函框架 | 第35-36页 |
3.1.2 Gabor滤波器 | 第36页 |
3.1.3 Dempster-Shafer证据理论 | 第36-37页 |
3.1.4 DS理论中不同来源的证据的表示 | 第37-38页 |
3.1.5 不同来源的证据的融合 | 第38-39页 |
3.2 基于DS证据理论的变分水平集分割模型 | 第39-41页 |
3.2.1 模型的建立 | 第39-41页 |
3.2.2 模型数值解 | 第41页 |
3.3 实验结果 | 第41-47页 |
3.3.1 医学超声图像上的分割实验结果 | 第41-42页 |
3.3.2 量化评估及比较结果 | 第42-45页 |
3.3.3 基于DS证据理论的模型在其它模态医学图像上的病灶分割 | 第45-47页 |
3.4 本章方法的应用讨论 | 第47-52页 |
3.5 本章小结 | 第52-53页 |
4 基于等周形状先验和变分水平集模型的医学图像分割 | 第53-69页 |
4.1 问题描述及研究的动机 | 第54-56页 |
4.2 基于等周不等式的形状先验分割模型 | 第56-57页 |
4.3 实验结果 | 第57-67页 |
4.3.1 分割前的初始化 | 第57-59页 |
4.3.2 参数p的选择 | 第59页 |
4.3.3 部分实验结果、对比结果及量化评估 | 第59-62页 |
4.3.4 其它类型的医学图像上的分割结果 | 第62-64页 |
4.3.5 实验结果分析及讨论 | 第64-67页 |
4.4 本章小结 | 第67-69页 |
5 CT图像上多种肝癌病灶的变分分割算法 | 第69-79页 |
5.1 基于等周不等式形状先验模型及距离正则化项的水平集方法的分割模型 | 第69-73页 |
5.1.1 模型的建立 | 第69-70页 |
5.1.2 模型的求解 | 第70-71页 |
5.1.3 实验结果以及分割精度的量化评估和比较 | 第71-73页 |
5.2 对于复杂区域的量化评估的分割方法 | 第73-77页 |
5.2.1 对非均匀区域的复杂度的量化度量 | 第73-74页 |
5.2.2 基于Wasserstein距离的相似度的度量 | 第74-75页 |
5.2.3 分割模型的建立 | 第75页 |
5.2.4 对模型的求解 | 第75-76页 |
5.2.5 实验结果及其量化评价和比较 | 第76-77页 |
5.3 本章小结 | 第77-79页 |
6 水平集框架下基于视觉显著性特征,改进的LBP特征以及边缘算子的病灶自动分割算法 | 第79-99页 |
6.1 基于自底向上(Bottom-up)框架的病灶检测 | 第79-85页 |
6.1.1 基于重构误差的显著性度量 | 第80-81页 |
6.1.2 基于谱残差的显著性度量 | 第81-83页 |
6.1.3 基于显著性图的目标区域预测 | 第83-85页 |
6.2 基于局部信息的病灶分割 | 第85-88页 |
6.2.1 区域信息能量项 | 第86-87页 |
6.2.2 边界信息能量项 | 第87页 |
6.2.3 显著性图平衡能量项 | 第87-88页 |
6.3 泛函能量极小化的计算 | 第88-90页 |
6.4 实验结果 | 第90-96页 |
6.4.1 检测及分割结果 | 第90-91页 |
6.4.2 计算时间和分割精度的比较 | 第91-96页 |
6.5 分析与讨论 | 第96-97页 |
6.6 本章小结 | 第97-99页 |
7 结论与展望 | 第99-103页 |
7.1 论文的主要工作 | 第99-100页 |
7.2 研究展望 | 第100-103页 |
参考文献 | 第103-133页 |
致谢 | 第133-135页 |
附录 | 第135页 |