| 摘要 | 第6-9页 |
| ABSTRACT | 第9-12页 |
| 目录 | 第13-17页 |
| 表格索引 | 第17-18页 |
| 插图索引 | 第18-20页 |
| 英文缩略语 | 第20-21页 |
| 第一章 绪论 | 第21-29页 |
| 1.1 研究的背景与意义 | 第21页 |
| 1.2 三维 CT 肝脏图像分割研究的现状 | 第21-23页 |
| 1.2.1 全自动分割方法 | 第21-22页 |
| 1.2.2 交互式分割方法 | 第22-23页 |
| 1.2.3 方法比较 | 第23页 |
| 1.3 本文的研究内容与创新点 | 第23-25页 |
| 1.4 本文的框架结构与章节安排 | 第25-29页 |
| 第二章 肝脏图像分割综述与自动上下文模型基础 | 第29-47页 |
| 2.1 引言 | 第29页 |
| 2.2 肝脏图像分割综述 | 第29-34页 |
| 2.2.1 肝脏图像分割的意义与难点 | 第29页 |
| 2.2.2 肝脏图像分割方法综述 | 第29-34页 |
| 2.3 自动上下文模型基础 | 第34-42页 |
| 2.3.1 上下文信息 | 第34-35页 |
| 2.3.2 自动上下文简介 | 第35-36页 |
| 2.3.3 自动上下文模型原理与公式 | 第36-42页 |
| 2.3.4 自动上下文模型的应用 | 第42页 |
| 2.4 本章小结 | 第42-47页 |
| 第三章 尺度不变自动上下文模型 | 第47-63页 |
| 3.1 引言 | 第47页 |
| 3.2 自动上下文模型 | 第47-49页 |
| 3.3 尺度不变自动上下文模型 | 第49-53页 |
| 3.3.1 特征的尺度不变性 | 第49-50页 |
| 3.3.2 尺度不变自动上下文 | 第50页 |
| 3.3.3 尺度估计与径向序列选择 | 第50-53页 |
| 3.3.4 理解尺度不变自动上下文模型 | 第53页 |
| 3.4 实验结果 | 第53-61页 |
| 3.4.1 Horse 图像分割 | 第53-54页 |
| 3.4.2 Human body 图像标记 | 第54-61页 |
| 3.5 本章小结 | 第61-63页 |
| 第四章 基于自动上下文模型的三维 CT 肝脏图像分割 | 第63-71页 |
| 4.1 引言 | 第63页 |
| 4.2 方法 | 第63-67页 |
| 4.2.1 学习阶段 | 第64-67页 |
| 4.2.2 分割阶段 | 第67页 |
| 4.3 实验结果 | 第67-68页 |
| 4.4 本章小结 | 第68-71页 |
| 第五章 基于自动上下文、多图谱与均值平移的肝脏图像分割 | 第71-95页 |
| 5.1 引言 | 第71-72页 |
| 5.2 方法 | 第72-84页 |
| 5.2.1 每一个图谱空间 ACM 分类器学习 | 第72-75页 |
| 5.2.2 基于多图谱技术的肝脏分割 | 第75-80页 |
| 5.2.3 基于改进均值平移过分割的区块级图像标记 | 第80-83页 |
| 5.2.4 算法流程 | 第83-84页 |
| 5.3 实验结果 | 第84-94页 |
| 5.3.1 实验数据与实验设置 | 第84-85页 |
| 5.3.2 实验结果 | 第85-94页 |
| 5.4 本章小结 | 第94-95页 |
| 第六章 基于层次上下文活动轮廓的三维 CT 肝脏图像分割 | 第95-113页 |
| 6.1 引言 | 第95-96页 |
| 6.2 活动轮廓 | 第96-98页 |
| 6.3 纠错分类器 | 第98-102页 |
| 6.3.1 加性最小核 SVM 分类器 | 第98-101页 |
| 6.3.2 基于上下文特征的纠错分类器 | 第101-102页 |
| 6.4 层次上下文活动轮廓 | 第102-107页 |
| 6.4.1 学习过程 | 第103-105页 |
| 6.4.2 分割过程 | 第105-107页 |
| 6.5 实验结果 | 第107-110页 |
| 6.5.1 实验数据与实验设置 | 第107页 |
| 6.5.2 实验结果 | 第107-110页 |
| 6.6 本章小结 | 第110-113页 |
| 第七章 总结与展望 | 第113-117页 |
| 7.1 全文工作总结 | 第113-115页 |
| 7.2 未来研究工作展望 | 第115-117页 |
| 参考文献 | 第117-133页 |
| 致谢 | 第133-135页 |
| 攻读学位期间发表的学术论文目录 | 第135-137页 |
| 攻读学位期间参与的项目 | 第137页 |
