| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第17-24页 |
| 1.1 心脏解剖结构与生理功能 | 第17-19页 |
| 1.2 心脏病现状 | 第19-20页 |
| 1.3 医学影像辅助诊断技术 | 第20-21页 |
| 1.4 课题主要研究内容与意义 | 第21-22页 |
| 1.5 文章组织结构 | 第22-24页 |
| 第二章 相关工作研究 | 第24-36页 |
| 2.1 基于SVD分解与低阶表达的瓣膜分割算法 | 第24-27页 |
| 2.1.1 矩阵谱分析 | 第24-26页 |
| 2.1.2 二尖瓣膜分割 | 第26-27页 |
| 2.2 基于活动轮廓模型的二尖瓣膜分割算法 | 第27-30页 |
| 2.2.1 初步分割 | 第28-29页 |
| 2.2.2 基于活动轮廓的修正 | 第29-30页 |
| 2.3 基于图割的二尖瓣环分割算法 | 第30-34页 |
| 2.3.1 薄组织检测器 | 第31-32页 |
| 2.3.2 最大流算法寻找瓣膜曲面 | 第32-33页 |
| 2.3.3 采用活动轮廓模型分割瓣环 | 第33-34页 |
| 2.4 基于SVM与自适应阈值的二尖瓣根识别算法 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基础理论 | 第36-46页 |
| 3.1 Bag of Features | 第36-39页 |
| 3.1.1 Bag of Features的构建方法 | 第36-37页 |
| 3.1.2 局部特征提取 | 第37-38页 |
| 3.1.3 构建视觉词典 | 第38页 |
| 3.1.4 生成BOF直方图分布 | 第38-39页 |
| 3.1.5 分类器训练与测试 | 第39页 |
| 3.2 自动上下文模型 | 第39-43页 |
| 3.2.1 原理简述 | 第39-40页 |
| 3.2.2 自动上下文的训练 | 第40-41页 |
| 3.2.3 自动上下文的测试 | 第41-42页 |
| 3.2.4 收敛性分析 | 第42-43页 |
| 3.3 直方图交集核SVM的加速 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于Bag of Features的二尖瓣根识别 | 第46-57页 |
| 4.1 算法描述 | 第46页 |
| 4.2 特征提取 | 第46-50页 |
| 4.2.1 局部上下文特征 | 第47页 |
| 4.2.2 LBP特征 | 第47-50页 |
| 4.3 Bag of Features实现细节 | 第50-51页 |
| 4.4 实验与分析 | 第51-55页 |
| 4.4.1 实验数据 | 第51-52页 |
| 4.4.2 视觉词典大小的选择 | 第52页 |
| 4.4.3 不同特征的实验结果对比 | 第52-54页 |
| 4.4.4 与其他方法的比较 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 基于自动上下文模型的二尖瓣膜识别 | 第57-67页 |
| 5.1 心动周期中心脏瓣膜的运动 | 第57页 |
| 5.2 算法简述 | 第57-58页 |
| 5.3 特征提取 | 第58-60页 |
| 5.3.1 LDB特征 | 第59-60页 |
| 5.3.2 基于AdaBoost的LDB位特征选择 | 第60页 |
| 5.4 自动上下文模型实现细节 | 第60-61页 |
| 5.5 实验与分析 | 第61-65页 |
| 5.5.1 自动上下文模型训练迭代次数选择 | 第61-62页 |
| 5.5.2 不同特征的实验对比 | 第62-63页 |
| 5.5.3 与其他算法的对比 | 第63-65页 |
| 5.6 本章小结 | 第65-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 攻读学位期间发表的学术论文 | 第76页 |
