| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题来源和研究的背景及意义 | 第13-15页 |
| 1.2 人脑MRI分割技术的研究近况 | 第15-17页 |
| 1.3 本文的主要创新点 | 第17-19页 |
| 第二章 医疗影像分割技术简述 | 第19-31页 |
| 2.1 图像分割的基本原理 | 第19-21页 |
| 2.2 基于图像像素灰度值相似度判断的聚类分割方法 | 第21-23页 |
| 2.3 基于图像几何轮廓的图像分割方法 | 第23-25页 |
| 2.4 基于交互方式的图像分割方法 | 第25-27页 |
| 2.5 基于概率统计模型的图像分割方法 | 第27-29页 |
| 2.6 一些被广泛应用的图像分割方法 | 第29-31页 |
| 第三章 基于马尔科夫随机场的图像分割模型 | 第31-45页 |
| 3.1 马尔科夫随机场应用背景简介 | 第31-32页 |
| 3.2 邻域系统与集团 | 第32-33页 |
| 3.3 马尔科夫随机场与吉伯斯随机场的等价关系 | 第33-35页 |
| 3.4 基于ISING模型与高斯函数的MARKOV随机场模型 | 第35-36页 |
| 3.5 MARKOV随机场的求解方法 | 第36-39页 |
| 3.6 一种适用于MARKOV随机场模型的预处理方法 | 第39-41页 |
| 3.7 实验结果对比 | 第41-45页 |
| 第四章 基于模糊集聚类的图像分割方法 | 第45-69页 |
| 4.1 背景介绍 | 第45页 |
| 4.2 模糊集理论的发展 | 第45-46页 |
| 4.3 模糊集合理论 | 第46-49页 |
| 4.4 基于模糊C均值聚类的图像分割方法 | 第49-62页 |
| 4.5 实验结果对比 | 第62-69页 |
| 第五章 基于高斯统计模型的图像分割方法 | 第69-81页 |
| 5.1 高斯混合模型 | 第69-72页 |
| 5.2 参数的求解方法 | 第72-76页 |
| 5.3 实验结果对比 | 第76-81页 |
| 第六章 人脑MRI分割方法的对比分析 | 第81-99页 |
| 6.1 模拟数据实验 | 第81-89页 |
| 6.2 真实人脑MRI实验 | 第89-97页 |
| 6.3 结论与展望 | 第97-99页 |
| 致谢 | 第99-101页 |
| 参考文献 | 第101-107页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第107页 |
