| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 脑萎缩辅助诊断的研究背景与意义 | 第11-12页 |
| 1.3 脑萎缩辅助诊断的国内外研究现状 | 第12-13页 |
| 1.4 论文主要研究内容和创新点 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 脑部医学图像处理及脑实质的相关知识 | 第16-28页 |
| 2.1 脑部医学图像的成像原理及技术 | 第16-18页 |
| 2.2 脑实质分割测量相关技术简介 | 第18-27页 |
| 2.2.1 脑实质相关介绍 | 第18-19页 |
| 2.2.2 脑实质分割的基本流程 | 第19-27页 |
| 2.2.2.1 图像去噪 | 第20-21页 |
| 2.2.2.2 脑组织提取 | 第21-22页 |
| 2.2.2.3 脑实质分割 | 第22-27页 |
| 2.2.3 脑实质体积测量 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 脑萎缩辅助诊断研究 | 第28-35页 |
| 3.1 脑萎缩的临床表现 | 第28-29页 |
| 3.2 脑萎缩医学图像的一般特征 | 第29-30页 |
| 3.3 脑萎缩与脑实质体积的关系 | 第30-31页 |
| 3.4 脑萎缩辅助诊断系统设计 | 第31-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 脑部医学图像的预处理 | 第35-49页 |
| 4.1 原始脑部医学图像的来源 | 第35页 |
| 4.2 原始脑部医学图像的预处理 | 第35-48页 |
| 4.2.1 脑部医学图像的去噪方法 | 第35-41页 |
| 4.2.2 基于多重阈值算法去除颅骨及非脑组织技术研究 | 第41-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 基于GKA算法的脑实质分割技术研究 | 第49-69页 |
| 5.1 基于高斯混合模型和k-means聚类算法的脑实质分割 | 第49-58页 |
| 5.1.1 基于高斯混合模型算法实现脑实质分割 | 第49-52页 |
| 5.1.2 基于K-means算法实现脑实质分割 | 第52-54页 |
| 5.1.3 两种分割方法的结果分析对比 | 第54-58页 |
| 5.2 基于GKA算法的脑实质分割技术 | 第58-68页 |
| 5.2.1 基于GKA算法的脑实质分割 | 第59-64页 |
| 5.2.2 基于GKA算法与传统方法的实验结果分析对比 | 第64-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 脑实质体积测量 | 第69-80页 |
| 6.1 脑片面积的测量 | 第69-76页 |
| 6.1.1 基于逐步求和法计算脑片面积 | 第69-74页 |
| 6.1.2 基于像素比法计算脑片面积 | 第74-75页 |
| 6.1.3 两种求面积方法的结果分析对比 | 第75-76页 |
| 6.2 脑实质体积的测量 | 第76-79页 |
| 6.3 本章小结 | 第79-80页 |
| 第七章 总结与展望 | 第80-83页 |
| 7.1 本文总结 | 第80-81页 |
| 7.2 展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间取得的成果 | 第88-89页 |
