| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·医学图像分割素材来源 | 第9-12页 |
| ·计算机断层扫描（CT） | 第9-11页 |
| ·MRI (Magnetic Resonancel Imaging) 核磁共振成像技术 | 第11-12页 |
| ·国内外研究现状分析 | 第12-13页 |
| ·本论文的主要工作及结构安排 | 第13-14页 |
| 第二章 数字图像分割技术 | 第14-27页 |
| ·图像分割 | 第14-15页 |
| ·医学图像分割算法 | 第15-24页 |
| ·基于图像结构分割算法 | 第16-18页 |
| ·基于统计的分割方法 | 第18-22页 |
| ·混合方法 | 第22-24页 |
| ·医学图像分割算法的性能评价体系 | 第24-27页 |
| ·分割结果的正确性 | 第25-26页 |
| ·分割算法的效率 | 第26-27页 |
| 第三章 集成学习和 W-MEANS 算法 | 第27-44页 |
| ·集成学习技术概述 | 第27-31页 |
| ·集成学习技术 | 第27-30页 |
| ·集成学习技术的作用及应用 | 第30-31页 |
| ·研究现状 | 第31-35页 |
| ·聚类集成技术 | 第35-36页 |
| ·基于集成技术的 W-MEANS 算法 | 第36-44页 |
| ·基于 K 均值的图像分割算法 | 第36-37页 |
| ·基于集成学习的 W-MEANS 算法 | 第37-39页 |
| ·实验 | 第39-44页 |
| 第四章 基于集成学习技术的混合分割模型 | 第44-55页 |
| ·问题的提出 | 第44-45页 |
| ·主流的分割算法 | 第45-47页 |
| ·基于阈值的分割算法 | 第45-46页 |
| ·区域生长方法 | 第46-47页 |
| ·基于模糊集理论的方法 | 第47页 |
| ·基于集成学习技术的混合分割模型 | 第47-49页 |
| ·实验 | 第49-54页 |
| ·实验一 | 第49-51页 |
| ·实验二 | 第51-52页 |
| ·实验三 | 第52-53页 |
| ·实验四 | 第53-54页 |
| ·总结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·全文工作总结 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 个人简历以及攻读硕士学位期间发表的学术论文与研究成果 | 第61-62页 |
| 附录 | 第62-63页 |