基于图像引导的穿刺手术机器人导航系统研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 手术导航系统研究现状 | 第12-14页 |
| 1.2.2 肺结节识别研究现状 | 第14-17页 |
| 1.2.3 2D/3D配准研究现状 | 第17-19页 |
| 1.3 本文的研究目标及内容 | 第19-23页 |
| 1.3.1 研究目标 | 第19-20页 |
| 1.3.2 研究内容 | 第20-23页 |
| 第二章 CT影像中肺部病灶区域分割 | 第23-43页 |
| 2.1 基本算法流程介绍 | 第23-24页 |
| 2.2 数据预处理 | 第24-28页 |
| 2.2.1 K近邻法(KMeans算法) | 第25-26页 |
| 2.2.2 形态学方法 | 第26-28页 |
| 2.3 Unet神经网络 | 第28-33页 |
| 2.3.1 神经网络 | 第29-31页 |
| 2.3.2 全卷积神经网络 | 第31-33页 |
| 2.4 分割实验 | 第33-41页 |
| 2.4.1 实验过程及相关参数设置 | 第33-35页 |
| 2.4.2 实验结果及分析 | 第35-41页 |
| 2.5 本章小结 | 第41-43页 |
| 第三章 基于X影像与CT影像配准的空间关系获取 | 第43-71页 |
| 3.1 医学图像配准原理 | 第43-44页 |
| 3.2 医学影像配准过程 | 第44-54页 |
| 3.2.1 空间变换 | 第44-46页 |
| 3.2.2 DRR图像的获取 | 第46-49页 |
| 3.2.3 相似性测度函数 | 第49-52页 |
| 3.2.4 优化算法 | 第52-54页 |
| 3.3 配准实验及结果分析 | 第54-69页 |
| 3.3.1 单幅图像配准 | 第54-60页 |
| 3.3.2 双幅图像配准 | 第60-69页 |
| 3.4 本章小结 | 第69-71页 |
| 第四章 X影像中的肺部病灶区域及穿刺针定位 | 第71-83页 |
| 4.1 肺结节区域定位 | 第71-75页 |
| 4.2 穿刺针定位 | 第75-80页 |
| 4.3 本章小结 | 第80-83页 |
| 第五章 总结与展望 | 第83-87页 |
| 5.1 总结 | 第83-84页 |
| 5.2 展望 | 第84-87页 |
| 硕士学位期间取得的科研成果 | 第87-89页 |
| 参考文献 | 第89-91页 |
