| 摘要 | 第6-9页 |
| ABSTRACT | 第9-11页 |
| 符号及释义对照表 | 第15-17页 |
| 缩略语表 | 第17-18页 |
| 第一章 绪论 | 第18-37页 |
| 1.1 背景 | 第18-21页 |
| 1.1.1 阿尔兹海默症及诊断方法 | 第18-20页 |
| 1.1.2 海马萎缩与认知损害 | 第20-21页 |
| 1.2 海马分割方法的国内外研究现状 | 第21-26页 |
| 1.2.1 基于图谱的分割方法 | 第22-23页 |
| 1.2.2 基于形变模型的分割方法 | 第23页 |
| 1.2.3 基于主动表观模型的分割方法 | 第23-24页 |
| 1.2.4 对现有海马分割方法的分析 | 第24-26页 |
| 1.3 主动轮廓模型概述 | 第26-29页 |
| 1.3.1 主动轮廓模型的发展历程 | 第26-27页 |
| 1.3.2 几何主动轮廓模型存在的问题 | 第27-29页 |
| 1.4 格子波尔兹曼模型 | 第29-33页 |
| 1.4.1 格子波尔兹曼模型概述 | 第29-31页 |
| 1.4.2 格子波尔兹曼模型在图像处理中的应用 | 第31-32页 |
| 1.4.3 格子波尔兹曼分割模型的物理含义 | 第32-33页 |
| 1.5 研究目的和内容 | 第33-35页 |
| 1.5.1 研究目的 | 第33-34页 |
| 1.5.2 研究内容 | 第34页 |
| 1.5.3 本文的主要特色 | 第34-35页 |
| 1.6 论文结构 | 第35-37页 |
| 第二章 格子波尔兹曼分割模型 | 第37-57页 |
| 2.1 主动轮廓模型 | 第37-41页 |
| 2.1.1 水平集方法 | 第37-39页 |
| 2.1.2 测地线主动轮廓模型和无边缘主动轮廓模型 | 第39-40页 |
| 2.1.3 主动轮廓模型的一般实现方法 | 第40-41页 |
| 2.2 格子波尔兹曼数学模型 | 第41-49页 |
| 2.2.1 格子波尔兹曼方程 | 第41-44页 |
| 2.2.2 带外力的格子波尔兹曼模型 | 第44-48页 |
| 2.2.3 格子波尔兹曼方法的边界处理 | 第48页 |
| 2.2.4 格子波尔兹曼方法的稳定性条件 | 第48-49页 |
| 2.3 格子波尔兹曼分割模型的构建 | 第49-55页 |
| 2.3.1 扩散系数的影响 | 第50-52页 |
| 2.3.2 外力的影响 | 第52-53页 |
| 2.3.3 格子波尔兹曼分割模型的实现方法 | 第53-55页 |
| 2.4 现有格子波尔兹曼模型在海马分割中的不足 | 第55-56页 |
| 2.5 小结 | 第56-57页 |
| 第三章 基于局部统计信息的格子波尔兹曼分割模型 | 第57-73页 |
| 3.1 引言 | 第57-58页 |
| 3.2 局部统计力格子波尔兹曼模型 | 第58-63页 |
| 3.2.1 Yan的常规格子波尔兹曼数学模型 | 第58-60页 |
| 3.2.2 统计力项的构造 | 第60-61页 |
| 3.2.3 降低类内方差 | 第61-63页 |
| 3.3 算法 | 第63-64页 |
| 3.4 实验和结果 | 第64-71页 |
| 3.4.1 确定采样窗口大小的实验 | 第65-66页 |
| 3.4.2 本文方法的演化过程 | 第66页 |
| 3.4.3 不同方差的分析 | 第66-67页 |
| 3.4.4 不同噪声水平的图像分割实验 | 第67-69页 |
| 3.4.5 和其他方法的比较 | 第69-71页 |
| 3.5 讨论 | 第71-72页 |
| 3.6 小结 | 第72-73页 |
| 第四章 基于矩函数的先验形状信息的构建与融合 | 第73-94页 |
| 4.1 引言 | 第73-75页 |
| 4.2 先验形状模型 | 第75-86页 |
| 4.2.1 先验形状的描述 | 第75-76页 |
| 4.2.2 形状不变矩及其标准化 | 第76-79页 |
| 4.2.3 先验形状训练集分布模型 | 第79-82页 |
| 4.2.4 先验形状的融合 | 第82-86页 |
| 4.3 算法 | 第86-87页 |
| 4.4 实验结果 | 第87-93页 |
| 4.4.1 矩函数的标准化实验 | 第87-89页 |
| 4.4.2 海马训练集配准实验 | 第89-91页 |
| 4.4.3 对齐实验 | 第91页 |
| 4.4.4 具有遮挡断裂情形的合成图像分割实验 | 第91-93页 |
| 4.5 小结 | 第93-94页 |
| 第五章 海马磁共振图像的格子波尔兹曼分割方方法 | 第94-112页 |
| 5.1 脑磁共振图像的获取 | 第94-95页 |
| 5.1.1 ADNI数据库 | 第94页 |
| 5.1.2 样本选取 | 第94-95页 |
| 5.2 基于形状先验和区域信息的格子波尔兹曼分割方法 | 第95-100页 |
| 5.2.1 构建模型能量泛函 | 第95-97页 |
| 5.2.2 构建先验形状模板 | 第97-100页 |
| 5.3 算法 | 第100-101页 |
| 5.4 实验结果 | 第101-109页 |
| 5.4.1 海马磁共振图像的分割实验 | 第102-103页 |
| 5.4.2 先验形状训练集 | 第103-104页 |
| 5.4.3 与现有格子波尔兹曼分割方法的比较 | 第104-106页 |
| 5.4.4 和其他方法比较实验 | 第106-109页 |
| 5.5 讨论 | 第109-111页 |
| 5.6 小结 | 第111-112页 |
| 第六章 结论和展望 | 第112-115页 |
| 6.1 结论 | 第112-113页 |
| 6.2 展望 | 第113-115页 |
| 附录A | 第115-117页 |
| 参考文献 | 第117-124页 |
| 作者者在攻读博士学位期间所作的项目 | 第124-125页 |
| 作者者在攻读博士学位期间公开发表的论文 | 第125-126页 |
| 致谢 | 第126-127页 |