摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 常用医学成像方式介绍及其常见用途
1.2.1 CT(Computed Tomography)计算机断层扫描
1.2.2 MRI(Magnetic Resonance Imaging)磁共振成像
1.3 常用医学图像分割算法介绍
1.3.1 医学图像分割算法分类
1.3.2 基于区域划分的分割方法(Region Based)
1.3.3 基于边缘/表面的可变形模型分割方法
1.4 心脏分割的特点、研究现状与本文安排
1.4.1 心脏分割的特点
1.4.2 心脏分割的研究现状和问题
1.4.3 全心脏分割研究的意义
1.4.4 本文的主要内容安排
第二章 基于可变形模型的医学图像分割
2.1 引言
2.2 LEVEL SET METHODS 水平集方法
2.2.1 背景介绍
2.2.2 Level Set Methods 水平集方法
2.2.3 无边界的水平集演化停止条件
2.3 本章小结
第三章 基于概率统计学的图像分割算法
3.1 引言
3.2 极大似然估计问题
3.3 EM 期望最大化算法及其于高斯混合模型的应用
3.3.1 EM 期望最大化算法简介
3.3.2 高斯混合模型
3.4 期望最大化算法和高斯混合模型在图像分割上的应用
3.4.1 基于期望最大化算法和高斯混合模型的图像分割
3.4.2 基本分割应用实例
3.5 本章小结
第四章 基于优化的期望最大化算法和带先验指导的水平集方法混合分割模型
4.1 引言
4.2 基于连通域标记算法的图像噪音处理
4.3 期望最大化算法中非可信点处理
4.4 图像噪音处理试验
4.5 带形状先验知识的C-V LEVEL SET 分割模型
4.6 分割结果的评估方法
4.7 本章小结
第五章 实验
5.1 实验环境和数据
5.2 实验安排和步骤
5.3 基于EM 期望最大化算法的分类实验
5.4 非可信点和噪音处理
5.5 分类算法参数和鲁棒性讨论
5.5.1 分类算法参数分析和讨论
5.5.2 非可信点实验分析
5.5.3 噪音处理实验分析和讨论
5.6 带形状先验知识的水平集分割实验
5.7 分割结果和实验分析
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
致谢
攻读硕士学位期间的研究成果与已发表或录用的论文