声明
摘要
1 绪论
1.1 医学图像分割技术
1.1.1 传统的医学图像分割方法
1.1.2 基于知识的分割
1.2 频域光学相干断层视网膜图像
1.2.1 频域光学相干断层图像
1.2.2 视网膜层状结构
1.3 视网膜层的分割
1.3.1 视网膜层分割的重要性
1.3.2 视网膜层分割技术的发展现状
1.4 视网膜医学基础知识
1.5 症状性渗出液分割的研究现状和意义
1.6 论文的工作和组织结构
2 视网膜内界膜层和色素上皮层边界的自动化分割
2.1 算法理论基础
2.1.1 双边滤波器去噪
2.1.2 动态规划和图论基本原理
2.2 分割算法描述
2.2.1 内界膜层边界的分割
2.2.2 视网膜色素上皮层边界的分割
2.3 实验结果与分析
2.3.1 内界膜层边界分割结果
2.3.2 色素上皮层边界分割结果
2.3.3 内界膜层和色素上皮层边界分割误差分析
3 基于聚类的症状性渗出液自动化分割算法
3.1 视网膜血管检测
3.1.1 算法实现
3.2 聚类方法自动化分割症状性渗出液
3.2.1 算法实现
3.3 实验结果与分析
3.3.1 症状性渗出液自动化分割结果
3.3.2 症状性渗出液自动化分割结果误差分析
3.4 本章小结
4 基于水平集的症状性渗出液自动化分割算法
4.1 水平集理论基础
4.2 无需重新初始化的C-V模型
4.3 水平集方法自动化分割症状性渗出液
4.4 实验结果与分析
4.4.1 症状性渗出液自动化分割结果
4.4.2 症状性渗出液自动化分割结果误差分析
4.5 本章小结
5 总结与展望
5.1 论文总结
5.2 未来工作展望
致谢
参考文献
附录
南京理工大学;