| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 医学图像成像原理 | 第10-13页 |
| 1.3.1 CT 图像 | 第10-11页 |
| 1.3.2 MRI 图像 | 第11-13页 |
| 1.4 国内外研究现状 | 第13-15页 |
| 1.5 未来研究发展方向 | 第15页 |
| 1.6 本文的研究内容及组织结构 | 第15-17页 |
| 第2章 图像配准的基本原理 | 第17-28页 |
| 2.1 图像配准的数学模型 | 第17-18页 |
| 2.2 空间变换 | 第18-21页 |
| 2.3 插值算法 | 第21-24页 |
| 2.4 相似性测度 | 第24-25页 |
| 2.5 优化算法 | 第25页 |
| 2.6 医学图像配准的评估 | 第25-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第3章 基于归一化互信息的图像配准算法的实现 | 第28-41页 |
| 3.1 算法总体框架设计 | 第28页 |
| 3.2 算法平台介绍 | 第28-30页 |
| 3.2.1 ITK 简介 | 第29页 |
| 3.2.2 数据支持和泛型编程 | 第29-30页 |
| 3.3 基于 ITK 的归一化互信息配准流程 | 第30-32页 |
| 3.4 归一化互信息 | 第32-34页 |
| 3.4.1 信息熵 | 第32-33页 |
| 3.4.2 互信息和归一化互信息 | 第33-34页 |
| 3.5 图像归一化互信息的计算 | 第34-35页 |
| 3.6 与基于 AM 测度的图像配准算法实验结果对比 | 第35-40页 |
| 3.6.1 AM 测度 | 第35-37页 |
| 3.6.2 实验结果对比 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于归一化互信息的图像配准算法的改进 | 第41-55页 |
| 4.1 处理三维医学图像数据所面临的问题 | 第41页 |
| 4.2 图像配准算法框架的改进 | 第41-46页 |
| 4.2.1 归一化互信息计算方法的改进 | 第42-43页 |
| 4.2.2 空间变换模块的改进 | 第43-44页 |
| 4.2.3 图像插值模块和优化算法模块 | 第44页 |
| 4.2.4 图像配准算法流程的改进 | 第44-46页 |
| 4.3 二维图像预处理和三维图像预处理 | 第46页 |
| 4.4 基于 Powell 优化算法的归一化互信息图像配准算法 | 第46-50页 |
| 4.4.1 Powell 优化算法 | 第46-47页 |
| 4.4.2 ITK 标准图像配准实验结果 | 第47-49页 |
| 4.4.3 三维多模态 CT-MRI 序列图像配准实验结果 | 第49-50页 |
| 4.5 基于梯度下降法的归一化互信息图像配准算法 | 第50-54页 |
| 4.5.1 梯度下降法 | 第51页 |
| 4.5.2 ITK 标准图像配准实验结果 | 第51-52页 |
| 4.5.3 三维多模态 CT-MRI 序列图像配准实验结果 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于遗传算法的图像配准算法的改进 | 第55-62页 |
| 5.1 遗传算法 | 第55-57页 |
| 5.1.1 遗传算法的计算流程 | 第55-56页 |
| 5.1.2 遗传算法的特点 | 第56-57页 |
| 5.1.3 遗传算法的局限性 | 第57页 |
| 5.2 遗传算法的改进 | 第57-59页 |
| 5.2.1 遗传算法的改进方法 | 第57-58页 |
| 5.2.2 改进的遗传算法计算流程 | 第58-59页 |
| 5.3 实验结果对比 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
