| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-10页 |
| 第一章 引言 | 第10-14页 |
| ·脑形态研究的重要性 | 第10页 |
| ·脑形态研究的方法 | 第10-11页 |
| ·虚拟人技术的出现为脑图谱的研究提供了新的契机 | 第11页 |
| ·图像融合技术是解决问题的新途径 | 第11-12页 |
| ·本研究的主要工作 | 第12页 |
| ·本研究的创新点 | 第12-14页 |
| 第二章 材料和方法 | 第14-38页 |
| ·数据来源 | 第14-15页 |
| ·虚拟人数据集的图像分割 | 第15-18页 |
| ·图像预处理 | 第15页 |
| ·基于阈值的自动分割 | 第15-16页 |
| ·基于解剖学知识的手工分割 | 第16-18页 |
| ·平滑处理 | 第18-19页 |
| ·腐蚀 | 第18-19页 |
| ·膨胀 | 第19页 |
| ·基于Chamfer Matching方法配准融合MRI和PET图像 | 第19-24页 |
| ·图像预处理 | 第19页 |
| ·Chamfer Matching原理 | 第19页 |
| ·特征提取 | 第19-20页 |
| ·距离变换 | 第20-21页 |
| ·配准实现 | 第21-23页 |
| ·用模糊数学方法配合 | 第23-24页 |
| ·基于最大互信息法配准融合虚拟人数据集与MRI数据场 | 第24-30页 |
| ·最大互信息配准理论 | 第24页 |
| ·最大互信息配准理论的实现 | 第24-26页 |
| ·配准步骤 | 第26-30页 |
| ·三维重建 | 第30-38页 |
| ·表面绘制 | 第30-31页 |
| ·体绘制 | 第31-38页 |
| 第三章 结果 | 第38-52页 |
| ·虚拟人数据集中神经结构的三维重建结果 | 第38-46页 |
| ·融合结果 | 第46-50页 |
| ·MRI与PET的图像融合 | 第46页 |
| ·对MRI数据集和虚拟人数据集用基于最大互信息方法进行配准融合 | 第46-50页 |
| 附临床病例报告 | 第50-52页 |
| 第四章 讨论 | 第52-56页 |
| ·有关临床影像数据信息量不足问题的解决 | 第52页 |
| ·关于图像配准融合的方法 | 第52-53页 |
| ·如何消除因手工分割产生的误差 | 第53-54页 |
| ·虚拟人数据集的临床价值 | 第54页 |
| ·研究中存在的问题 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 在读期间发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 综述 | 第61-82页 |
| 参考文献 | 第74-82页 |
