摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题的研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 脑萎缩MR图像知识分析 | 第13-16页 |
1.3.1 MR脑图像特点 | 第13-15页 |
1.3.2 脑萎缩MR医学表现 | 第15-16页 |
1.4 脑萎缩影像学诊断方法 | 第16-17页 |
1.5 本论文研究内容和组织结构 | 第17-19页 |
第2章 MR脑部图像处理方法概述 | 第19-29页 |
2.1 MR图像的去噪 | 第19-20页 |
2.2 MR图像灰度不均匀校正 | 第20-22页 |
2.3 MR图像分割算法概述 | 第22-27页 |
2.3.1 基于区域的分割 | 第23页 |
2.3.2 基于边界的分割方法 | 第23-24页 |
2.3.3 其他分割算法 | 第24-27页 |
2.4 医学图像分割性能评价 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 基于形态学的颅内脑组织提取算法研究 | 第29-47页 |
3.1 图像灰度变换 | 第29-30页 |
3.2 阈值的选取 | 第30-35页 |
3.2.1 直方图阈值法 | 第31页 |
3.2.2 迭代阈值法 | 第31-32页 |
3.2.3 大津法(Otsu法) | 第32-33页 |
3.2.4 三维体数据阈值分割 | 第33-35页 |
3.3 形态学原理 | 第35-39页 |
3.3.1 腐蚀和膨胀 | 第35-37页 |
3.3.2 标注连通分量 | 第37-38页 |
3.3.3 分割算法描述 | 第38-39页 |
3.4 改进的颅腔内脑组织提取算法研究 | 第39-44页 |
3.4.1 图像的重叠率 | 第39-41页 |
3.4.2 图像的重心 | 第41-43页 |
3.4.3 不同扫描方向图像的进一步分割 | 第43页 |
3.4.4 算法的实验步骤和流程 | 第43-44页 |
3.5 实验结果及分析 | 第44-46页 |
3.6 本章小结 | 第46-47页 |
第4章 基于MRF的脑组织分割算法研究及脑实质分数的计算 | 第47-63页 |
4.1 马尔可夫随机场模型 | 第47-51页 |
4.1.1 邻域系统和集簇 | 第48-49页 |
4.1.2 MARKOV随机场和GIBBS分布的等价关系 | 第49-50页 |
4.1.3 常用模型介绍 | 第50-51页 |
4.2 马尔可夫图像分割框架 | 第51-53页 |
4.2.1 标号场先验模型(先验分布)的建立 | 第52页 |
4.2.2 特征场模型(似然分布)的建立 | 第52-53页 |
4.3 基于自适应模糊相似度的改进的马尔可夫图像分割算法 | 第53-57页 |
4.3.1 模糊集合与模糊关系 | 第54页 |
4.3.2 模糊相似度 | 第54-55页 |
4.3.3 改进的马尔可夫MR脑部图像分割算法研究 | 第55-56页 |
4.3.4 算法的实现流程和步骤 | 第56-57页 |
4.4 实验结果与分析 | 第57-60页 |
4.4.1 仿真图像实验分析 | 第57-59页 |
4.4.2 临床图像实验分析 | 第59-60页 |
4.5 脑实质分数计算 | 第60-62页 |
4.6 本章小结 | 第62-63页 |
第5章 基于FM的海马结构分割算法研究 | 第63-75页 |
5.1 海马区医学特点及分割方法研究 | 第63-64页 |
5.2 基于快速行进FM算法的海马区分割 | 第64-68页 |
5.2.1 快速行进算法的求解 | 第65-66页 |
5.2.2 快速行进算法的实验流程和步骤 | 第66-67页 |
5.2.3 基于传统快速行进算法的海马区分割 | 第67-68页 |
5.3 基于海马区内部灰度信息约束的改进的FM分割算法研究 | 第68-74页 |
5.3.1 最佳时间阈值的选择 | 第68-69页 |
5.3.2 实验步骤与流程 | 第69-70页 |
5.3.3 实验结果和分析 | 第70-74页 |
5.4 本章小结 | 第74-75页 |
第6章 总结与展望 | 第75-77页 |
6.1 总结 | 第75-76页 |
6.2 展望 | 第76-77页 |
参考文献 | 第77-83页 |
致谢 | 第83-85页 |
攻读硕士学位期间参加的科研项目、发表的论文 | 第85页 |