| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 脑深层核团分割方法研究 | 第11-12页 |
| 1.2.2 丘脑及其子结构分割方法研究 | 第12-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 本文各章节安排 | 第14-16页 |
| 第2章 医学图像配准基本理论 | 第16-28页 |
| 2.1 医学图像配准框架 | 第16-17页 |
| 2.2 医学图像配准的分类 | 第17-21页 |
| 2.2.1 刚性配准 | 第17-18页 |
| 2.2.2 非刚性配准 | 第18-21页 |
| 2.3 相似性测度 | 第21-22页 |
| 2.4 优化算法 | 第22-23页 |
| 2.5 插值方法 | 第23-25页 |
| 2.6 多分辨率配准算法 | 第25-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第3章 基于配准框架的脑深层核团自动分割算法 | 第28-46页 |
| 3.1 基于配准框架的脑核团分割方法概述 | 第28-29页 |
| 3.2 依赖树模板建立 | 第29-31页 |
| 3.3 基于依赖树模型的能量函数构建 | 第31-36页 |
| 3.3.1 衡量单一结构测度的能量函数分量构建 | 第32-34页 |
| 3.3.2 衡量结构间测度的能量函数分量构建 | 第34-35页 |
| 3.3.3 特征间权重的计算 | 第35-36页 |
| 3.4 根结构的自动识别 | 第36-38页 |
| 3.5 目标结构的非刚体配准优化 | 第38页 |
| 3.6 实验结果与讨论 | 第38-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 结合置信连接度的自适应模糊连接度脑深层核团分割算法 | 第46-68页 |
| 4.1 模糊连接度基本理论 | 第46-48页 |
| 4.1.1 模糊连接度算法简介 | 第46页 |
| 4.1.2 模糊连接度算法理论 | 第46-48页 |
| 4.2 基于自适应模糊连接度的脑深层核团分割 | 第48-53页 |
| 4.2.1 脑部核磁共振图像的预处理 | 第48-51页 |
| 4.2.2 基于自适应模糊连接度的分割算法 | 第51-52页 |
| 4.2.3 结果与讨论 | 第52-53页 |
| 4.3 结合置信连接度的自适应模糊连接度的脑深层核团分割 | 第53-66页 |
| 4.3.1 置信连接度基本理论 | 第53页 |
| 4.3.2 结合置信连接度的自适应模糊连接度分割算法 | 第53-54页 |
| 4.3.3 实验结果与算法评价 | 第54-66页 |
| 4.4 本章小结 | 第66-68页 |
| 结论与展望 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 攻读硕士期间发表的学术论文 | 第78-80页 |
| 致谢 | 第80页 |
