一、数理统计在医学图像配准评价中的应用（论文文献综述）
孟志敏[1]（2021）在《红外与可见光图像融合的目标识别方法研究》文中研究说明面对复杂战场环境下的战略侦查,目标识别,精准制导等军事行动,可见光与红外图像融合识别技术在理论和现实方面有迫切需求。当前目标识别方法大多基于单一传感器进行研究,而且识别算法结构的复杂,难以部署在嵌入式系统中。本文针对坦克目标识别的关键问题,提出红外与可见光图像融合的目标识别算法,通过不同算法对比并进行算法仿真验证。基于Xilinx Zynq平台对所提算法进行移植以及硬件优化加速并搭建嵌入式红外与可见光图像融合的目标识别系统。主要研究内容包括图像数据采集,异源图像配准及融合算法和图像的识别算法在嵌入式系统中实现。如下所述:基于红外与可见光成像的特点,对图像预处理方法进行分析研究,对红外与可见光图像采取灰度处理、中值滤波、均值滤波、直方图均衡化以及图像的锐化增强处理。为图像配准融合提供有效的特征并通过实验验证预处理算法的可行性。针对坦克目标特点,对比Hu不变矩、SURF特征描述以及形状上下文特征匹配的正确率,选取适合坦克目标异源图像配准方法,对配准后的图像进行小波变换图像融合。利用融合规则对图像中相应的高频分量以及低频分量进行融合并通过主观视觉与客观指标对融合算法进行评价。提高目标识别特征选取的可靠性。基于坦克目标识别算法的分析研究,对比坦克的局部二元模式特征、SIFT特征描述、梯度方向直方图特征。结合算法处理实时性及FPGA计算特性,采用HOG特征描述作为识别判断的特征依据,通过训练SVM分类器实现目标的分类识别。嵌入式图像融合的目标识别系统搭建,在FPGA上部署定制算法IP核模块实现硬件加速设计,ARM上实现硬件驱动程序的设计以及模块时序控制和构建SVM分类器模型。通过Peta Linux工具在开发环境中移植Linux系统以及Open CV库函数和Qt库函数,实现高效的图像处理。实验结果验证了算法的有效性。
王杨[2]（2020）在《基于迭代回归的2D/3D多模态医学图像配准》文中研究指明影像导航手术（Image-guided surgery,IGS）通过可视化增加手术视野,以减小组织损伤风险,提升病灶定位的准确性和靶向性。它需要在术前获取患者三维（three-Dimention,3D）图像,在术中获取患者二维（two-Dimention,2D）图像,三维医学图像可以提供空间位置信息,从而确定病灶位置规划手术过程,二维图像能够提供术中实时信息,以便对手术器械实时跟踪和调整空间位置。因此IGS技术的关键是寻求术前三维图像与术中二维图像空间位置的变换关系,即2D/3D图像配准。在IGS系统中,配准是在整个治疗过程中保持的,因此提高图像配准的精度、实时性和鲁棒性是当前研究中需要解决的问题。2D/3D配准可以抽象为一个优化问题,包含相似性测度函数设计和优化策略选择。本文主要根据不同图像信息对配准的准确性、时效性、鲁棒性的影响开展对2D/3D配准算法的研究,着重研究基于灰度信息和特征信息来设计相似性测度函数,并提出改进算法。本文所提出的算法,均采用迭代优化方法。具体研究工作如下:（1）研究基于灰度的2D/3D医学图像配准算法,并实现基于归一化互相关的配准。针对归一化互相关算法信息单一、收敛域较小的问题,引入高斯拉普拉斯二阶微分算子作为新的相似性测度,增加边缘信息和内部细节信息;针对归一化互相关算法效率低下的问题,引入多分辨率策略,从而提高配准精度和效率。（2）针对归一化互相关算法的问题,引入Sobel一阶微分算子作为新的相似性测度,增加梯度方向夹角信息,从而增加旋转敏感度,并且使用多分辨率策略,最终达到提高配准精度、配准效率以及增大收敛域的目的。（3）研究基于特征的2D/3D医学图像配准算法,采用梯度方向直方图提取统计信息作为特征,并实现基于梯度方向加权直方图的2D/3D配准。针对梯度方向加权直方图仅适用于前景小背景大的图像配准,且对平移变换不敏感的问题,提出梯度方向加权空间直方图作为新的相似性测度,采用梯度方向的二维空间直方图提取统计特征,打破算法局限性,保证精度的前提下拓宽适用场景。本文提出的算法在CT和合成X光图像上进行实验,并且与现有算法做了对比,结果显示本文提出的算法能够提高精度和效率,而且减弱了初值敏感性。
聂梓伟[3]（2019）在《基于有界形变函数的非刚性医学图像配准变分模型和算法》文中进行了进一步梳理图像配准是在计算机视觉和医学图像处理与分析领域广泛使用的一种技术。通常意义上,配准是指将两幅或多幅图像中的某些或全部点对应起来,使得它们都对应于成像对象的同一点。因此图像配准的实质就是要寻找两幅或多幅图像之间的一个空间几何变换。图像配准涉及到的几何变换有刚体变换,仿射变换,投影变换和非刚性变换。前三种变换都是图像的整体变换,即图像中每一点的变换参数都一致。而非刚性变换则允许图像中各点的变换参数不一致。由于医学图像的成像对象大多为人体软组织或软体器官,在受到呼吸影响,外力压迫或是肿瘤等病灶影响时可以发生非刚性形变,因此非刚性配准方法更适用于医学图像的配准。实际上,非刚性配准方法也是目前医学图像配准领域的研究热点。医学图像的成像对象周边结构一般比较复杂,并且可能含有病灶。目前,医学成像设备的精度还不够,常带有比较严重的噪声。此外,不同的医学成像设备之间可能存在分辨率差异。这些都给医学图像非刚性配准带来了巨大的困难。非刚性图像配准的基本任务是找到待配准图像的像素坐标之间的位移场u,然后利用某种插值技术将此位移场加在浮动图像之上并最终得到配准后的图像。现有的许多非刚性图像配准方法是将非刚性配准问题在泛函分析框架下转化为相应的变分模型或直接从物理模型出发得到相应的偏微分方程系统。这类方法通常将待配准图像之间的位移场看作是某个特定函数空间中的函数,并且该函数满足一定的连续性与光滑性。但是,对于实际的医学图像而言,经常会有灰度不均匀,含有病变组织,含有噪声等特点。这些都使得位移场函数不一定具有连续性,更不具备光滑性。在经典的弹塑性力学理论中,有界形变函数空间BD（Ω）经常被用来描述可能不连续的位移场。受此启发,我们将待配准图像的像素坐标之间的位移场u看作是有界形变函数,并首次提出了基于有界形变函数的非刚性医学图像配准模型。该模型对于位移场的正则性要求更低,也更符合医学图像的真实情况,即位移场在某些点处可能是不连续,不光滑的。我们将有界形变函数空间推广为有界广义形变空间BGDk（Ω）并利用位移场的二阶广义形变作为正则项构建新的非刚性配准模型。数值实验的结果均表明本文提出的模型的有效性。本论文的主要结果有:1.对于同模态且灰度分布高度一致的两幅待配准医学图像,本文利用经典的SSD（sum of squared difference）项作为数据项,结合有界形变（bounded deformation）函数空间中的半范数作为正则项,提出了BDSSD非刚性图像配准模型。我们证明了模型解的存在性,以及特定条件下解的唯一性。在二维非刚性配准数值实验中,上述BDSSD模型在四个常用的评价指标上均超过了经典的Demons模型,Diffeomorphic Demons模型以及基于向量值全变差的非刚性配准模型。在两个公开的三维数据集（4D-CT数据集和COPDgene数据集）上的数值实验中,BDSSD模型与其它十四个模型相比取得了相对最优的结果。2.针对同模态但灰度分布有差异、存在局部灰度偏移的待配准医学图像,本文利用LCC（local correlation coefficient）项作为数据项,结合有界形变函数空间中的半范数作为正则项,提出了BDLCC非刚性配准模型。我们证明了模型解的存在性。二维的数值实验表明,针对灰度值分布不一致的情况,上述模型能够克服SSD数据项对灰度偏移敏感的缺点,对医学图像进行有效的配准,并且取得更好的配准结果。在COPDgene数据集上,BDLCC模型取得了相比于BDSSD模型更好的配准结果,也取得了相比其它十四种模型更好的配准结果。3.本文提出了求解非刚性图像配准变分模型的原始-对偶快速算法,并且利用此算法对上述BDSSD模型和BDLCC模型进行了数值模拟。数值结果表明本文提出的原始-对偶快速算法能够有效求解相应的模型,并且相比于经典的梯度下降算法能够大大节省计算时间。4.本文介绍了有界广义形变函数空间,并利用位移场的二阶广义形变作为正则项,分别利用SSD和LCC为数据项提出了BGDSSD和BGDLCC两个非刚性图像配准模型。我们证明了模型解的存在性,并利用自适应原始-对偶快速算法对这两个非刚性配准模型进行了求解。二维和三维的数值实验结果表明,当给定数据项时,尽管模型求解需要花费更长的时间,二阶广义形变正则项能得到比常规有界形变正则项更好的配准结果。
王健[4]（2019）在《基于改进ORB算法和最佳缝合线的图像拼接技术研究》文中研究指明目前,随着计算机视觉技术的不断进步,许多人对图像的要求也逐渐提高,追求更高的分辨率和更开阔的全景图像。虽然广角相机能够满足人们的需求,但是其硬件成本过高。我们可以考虑通过低成本的计算机视觉处理技术达到同样的效果,即图像拼接技术,可以用较小的视野来拼接成清晰的全景图像,可用于艺术摄影、医学成像、高分辨率摄像和VR影像等。然而,现有的拼接算法存在一些问题:算法实时性较差,特征点的匹配精确度低,这主要与图像配准相关;对于待拼接图像的重叠区域中存在移动对象和曝光差异大从而导致拼接处鬼影或伪影,这里涉及到了图像融合。图像配准和图像融合作为图像拼接的关键两步,将作为本文的研究工作。针对配准过程中的实时性差和配准精确度低等问题,本文提出了一种改进的ORB算法。首先使用一种基于尺度不变且带有方向的FAST特征检测算法对图像进行特征点检测,然后用带有旋转特性的BRIEF二进制描述算法对特征点进行特征描述,再用汉明距离匹配算法进行粗匹配,用双向匹配和RANSAC算法对匹配点进行精确匹配和提纯,进一步提高其正确率,计算单应性矩阵,最后使用渐入渐出加权融合完成图像拼接。本文算法在图像的缩放、旋转、模糊、光照强度和拍摄视角等场景下与常用的SIFT、SURF和ORB等算法进行配准和拼接比较,实验结果表明本文配准算法在配准和拼接方面均优于其他三种算法,是一种实时性强、准确度高、稳定性好的可用于拼接的图像配准算法。针对待融合两幅图像中的重叠区域存在移动对象和曝光差异大造成拼接处鬼影或伪影等问题,提出了一种基于最佳缝合线的渐入渐出加权融合算法。首先根据最佳缝合线准则找到两幅图像重叠区域中的最佳缝合线,然后利用缝合线将重叠区域划分为三个部分,即第一部分为重叠区域的左边界到缝合线之间的区域,第二部分为缝合线,第三部分为缝合线到重叠区域的右边界。最后,最佳缝合线的左右两个区域像素点依然按照现有的渐入渐出加权融合算法进行图像融合,拼接处的像素点用计算好的最佳缝合线。本文算法结合改进的ORB算法在存在移动对象、曝光差异大和背景复杂等场景下与常用的羽化、多分辨率和渐入渐出加权等图像融合算法进行拼接结果的比较,实验表明本文算法在解决伪影或曝光差异等问题优于其他三种算法,是一种可用于拼接的图像融合算法。
秦杰[5]（2019）在《高分辨率SAR图像与可见光图像配准方法研究》文中研究说明在过去的几十年中,遥感传感器在数据质量和成像特性上都经历了快速发展。多光谱扫描仪虽成像信息丰富,但无法在夜晚、云雨、雾等复杂自然条件下成像,SAR设备却不受这些复杂自然条件的影响。由于这两种传感器的成像原理不同,所反映的地表特征千差万别,因此,这两种数据的融合可以更好的解释成像区域的特性,为变化检测、灾害评估等遥感应用提供更好的支持。数据融合的前提就是图像配准,本文针对SAR图像与可见光图像的配准进行了研究,具体工作如下:1、研究了图像配准的常用方法以及深度学习在图像配准中的应用。阐述了图像配准的发展历史和基本理论架构,总结了图像配准中常用的相似性度量指标、图像的几何变换函数、图像的特征描述符以及图像配准的评价标准。2、提出了一种基于结构相似性的SAR图像与可见光图像配准方法。通常,SAR图像与可见光图像配准需要手动选择控制点,这样不仅没有充分考虑异源图像所保留下来的结构信息,也无法达到全自动图像配准的目标。本文首先将Harris检测器的响应函数从一阶项扩展为二阶项,并构建一个通过组合像素空间及灰度信息的权值函数,从而可以更精确地构造特征描述符。接下来,使用角点的幅值和方向来创建结构特征描述符用于描述局部图像区域。最后,基于生成的点特征建立对应关系,并将待配准图像中的所有像素映射到参考图像。实验结果表明,与传统的Harris角点检测器相比,本文改进的检测器可以获得更好的检测性能。此外,SAR图像和可见光图像的配准实验证明了所提出方法的有效性和准确性。3、提出了一种深度学习架构的SAR图像与可见光图像配准方法。与分别进行特征提取和特征匹配的传统方法不同,本文所提出的方法首先从待配准图像和参考图像中分别提取图像对,然后直接学习图像对与其匹配标签之间的映射关系用于后续图像配准。这种端到端的结构允许我们充分利用有限数据优化整个模型,这是传统方法所不具备的,实验结果也验证了该方法的有效性。
楼浩锋[6]（2018）在《Student-t过程下的协方差矩阵自适应进化策略研究及应用》文中认为进化算法（EAs）是一种不依赖于梯度信息的随机优化算法,已被广泛应用于工程领域。协方差矩阵自适应进化策略（CMA-ES）作为目前较先进的进化算法,被认为是实值优化中最具有竞争力的进化算法之一。CMA-ES通过调整协方差矩阵来模拟适应度函数的地形,对搜索空间的任意可逆性变换具有不变性,对于病态的、高度不可分的问题有优秀的求解能力。但和其它进化算法一样,CMA-ES算法的主要局限性在于搜索中所能提供的信息只有函数,搜索点可以自由选择,但同时意味着更大的信息搜索量,所以需要大量代价函数评估,从而导致计算代价过高,使得其应用在计算量大的优化问题上受到了局限,而且CMA-ES算法是一种局部优化算法,存在全局搜索能力弱、易早熟收敛等问题。为了解决上述CMA-ES存在的问题,本文提出了一种Student-t过程协助下的协方差矩阵自适应进化策略算法。该算法利用CMA-ES中的协方差矩阵构建核函数,引入Student-t过程,在线学习历史经验,并根据历史经验预测全局最优解的最有前景区域,有效地降低了适应度函数评价次数。同时为了提高群体的搜索效率,引入置信区间,提供更多高质量的样本点来对Student-t过程模型进行进一步修正,使群体在置信区间内更高效地采样,使算法具备更快的收敛速度和全局寻优的能力。最后,为了验证算法的有效性,通过数值仿真对比了不同算法的搜索效率与搜索精度,结果表明:Student-t过程协助下的CMA-ES算法比基本的CMA-ES算法和高斯过程协助下的CMA-ES算法具有更强的全局搜索能力,在减少代价函数评价次数的同时,进一步提高了算法的求解精度和鲁棒性。同时,为了验证改进算法在实际问题中的有效性,将提出的改进算法应用于医学图像配准中,实验结果表明:改进的CMA-ES算法配准效果均有明显提高,配准精度和效率均高于标准的CMA-ES算法。
张涛[7]（2018）在《医学图像融合及其在脑部成像中的应用研究》文中研究指明背景如今,临床技术人员越来越多地应用到医学图像配准及融合技术,这是因为多种来源的图像可以为医生诊断病情提供更全面更准确的信息。核磁共振成像（MRI）和正电子发射体层摄影（PET）是目前脑部成像常用的两种技术。核磁共振成像（MRI）是解剖结构成像,它有较高的空间分辨率。而正电子发射体层摄影（PET）是一种功能性成像,它提供了人体生理代谢信息,但组织结构显示效果较差。它们各有优势,医生希望二者能结合起来。目的本项目旨在设计一种基于神经网络的改进的PET/MRI异机脑部影像信息融合系统,主要解决不同影像设备PET、MRI获得同患者多模态影像的特征配准和信息融合问题。方法对该领域常用的医学图像配准、融合的常用相关方法进行细致的研究,并把相关方法处理的结果进行了比较分析,进而设计了一种改进的基于神经网络的PET/MRI异机脑部影像信息融合方法。具体实现步骤是:1.待融合的PET图像（索引图像）进行IHS变换和彩色变换,转化为IHS和RG B通道信息;2.采用基于脑部轮廓像素点的PET、MRI刚性配准,通过平移、旋转、缩放,使脑解剖位置对齐;3.利用NSCT变换获取不同尺度不同方向的频率特征,设计基于局部领域的加权平均法的低频信息融合规则和空间频率激励的PCNN高频信息融合规则,实现RGB三通道的PET图像和MRI灰度图像的信息融合;4.利用其它常用图像融合方法对同一源图像进行融合,把各种融合结果进行比对分析。结果为了对各种方法的效果有一个比较直观的比较,用标准差、熵、清晰度、平均梯度、Qabf来衡量融合后图像的质量。标准差反应灰度级的离散程度;熵表示图像的信息量,熵越大,包含的信息量越大;清晰度反应图像对微小细节的表达能力;平均梯度反应图像的边缘细节的能力;Qabf衡量边缘的融合效果,融合结果与源图像的结构相似度。本设计的这几项参数分别达到了150.2410,8.5421,15.320,0.0926,0.5714均比其它方法要高。结论基于人工神经网络的融合方法,充分利用了神经网络的特征识别能力和自学能力,再结合多尺度变换法,通过对比度的选择实现图像融合,充分利用PET影像提供的功能信息和MRI图像提供的解剖、软组织信息,大大提高了医生的诊断效率和准确度,该融合效果最大程度上保留了轮廓、纹理等特征,细节更加突出,主观效果最好。
冯云丛[8]（2017）在《基于信息融合的医学图像阈值分割及评价方法研究》文中认为图像分割是一个非常经典的图像处理问题,广泛应用于计算机视觉、模式识别、人工智能和医学图像处理等多个领域。在医学研究与临床应用中,图像分割技术是各种医学图像应用的基础,是医学图像理解和分析的预处理操作,为医学图像的后续处理,如图像配准、图像融合、目标识别等,提供了必要的前提条件,拓展了医学图像在临床应用中的广度和深度。但是,医学图像本身具有复杂性和多样性,且存在模糊、灰度不均匀、对比度低等缺点,很容易导致不同器官或组织之间的边界出现误分,这给图像分割带来了一定的难度。因此,医学图像分割仍然是一项具有挑战意义的工作。本文从信息融合的角度出发,对医学图像分割技术进行了研究,具体内容如下:1.基于内部生成机制的医学图像多阈值分割算法传统的图像阈值分割算法往往仅考虑了图像中像素的灰度信息,而忽略了像素的其他信息。在医学图像分割中,分割结果的最终使用者是“人”,对图像的后续处理需要通过“人”的观察和分析来作出决定。因此,忽略人类视觉系统（Human Visual System,HVS）的图像分割将变得毫无意义的。针对上述问题,本文将最新的贝叶斯脑部理论和神经科学理论——内部生成机制（Internal Generative Mechanism,IGM）引入到图像分割中,借助人类的视觉信息和像素的灰度信息,提出一种基于内部生成机制的医学图像多阈值分割算法。首先采用线性自回归模型（Autoregressive,AR）来模拟内部生成机制,获得源图像的预测层,并通过Otsu阈值分割方法分别对源图像和预测图像进行分割。然后,根据像素的灰度信息,设计了一种像素重新分类规则,实现对误分像素进行重新划分,从而提高医学图像分割的准确度。在分割过程中,该算法同时考虑了复杂的人类视觉系统感知源图像而产生的预测视觉信息和源图像的细节信息。实验结果表明,该算法获得的分割结果能够提供清晰的信息,更加符合人类的视觉系统,而且分割效果会随着阈值个数的增加越来越好。2.基于融合策略的医学图像多阈值分割算法如何提高医学图像多阈值分割的准确度是一个亟待解决的问题。待分割图像中可能存在一些噪声或其它伪影等,现有的许多分割方法都假定这些噪声是信号无关的加性高斯噪声,这将产生次优或无法令人满意的分割结果。如果在进行分割之前,源图像先进行去噪预处理,那么分割结果通常会避免噪声的影响。但是,源图像中其他具有高频信息的正常区域可能会受到去噪操作的影响。因此,简单的去噪预处理并不是一个好的选择。为了解决上述问题,本文借助像素的空间信息和灰度信息,提出一种基于融合策略的医学图像多阈值分割算法。由于像素的分类标签不仅取决于像素本身的灰度信息,还依赖于其邻域像素的标签,本文提出了一种基于有效邻域的融合策略。该融合策略同时考虑了像素的灰度信息和空间位置信息。为了验证融合策略的有效性,本文设计了一种新的图像多阈值分割框架。采用基于离散曲线演化（discrete curve evolution,DCE）的Otsu方法来实现对图像进行多阈值分割,有效地降低了图像分割的时间复杂度。实验结果表明,基于融合策略的图像多阈值分割框架不仅有效地提高了医学图像分割的准确度,而且对噪声图像具有较强的鲁棒性。3.基于加权ROC图的图像分割质量客观评价指标图像分割算法质量评价是图像处理领域中的关键任务之一。传统的图像分割质量客观评价指标往往以相同的方式处理图像中所有的像素,忽略了不同的像素可能具有不同的重要性这一点。为了解决上述问题,本文借助像素的空间信息,提出一种基于加权ROC图的图像分割质量客观评价指标。考虑到图像中处于不同位置的像素可能具有不同的重要性,本文根据像素的空间信息对其进行加权,并设计具有加权策略的ROC（receiver operating characteristic,受试者工作特征）图实现对分割算法的性能进行定量的评价。实验结果表明,该客观指标适用于医学图像和自然图像,而且对区域不均衡图像（偏斜数据）具有鲁棒性,其评价结果符合人类的主观评价结果。
聂茂[9]（2015）在《恶性肿瘤放疗PET/CT/SCT/MRI影像配准软件系统研发》文中提出肿瘤临床放疗计划通常需要同时使用PET（positron emission tomography）、CT（computed tomography）和MRI（nuclear magnetic resonance imaging）影像对肿瘤及其危及器官进行高精度的定位。这三种不同影像是由不同成像原理得到,CT成像有较高的分辨率,能清楚地显示出体内脏器、骨骼的解剖结构,但不能显示功能信息;MRI同样有较高的分辨率,其能够很好的体现出软组织结构;PET是对活机体的生物化学显像,反映了机体的功能信息,但是图像模糊,不能清楚地反映形态结构。不同模态影像有各自的优缺点,但目前还没有一种成像系统能够同时获取这三种影像,因此需要在使用之前,对PET/CT/MRI影像进行高精度的配准。本文设计、开发了一个PET/CT/SCT/MRI影像配准与评估软件系统。该系统为临床放疗医师提供一个操作方便、界面友好、智能化程度高的操作平台,实现了三维PET/CT、SCT和MRI影像精确配准和评估等功能。主要研发内容和成果如下:1)在VC++2010集成开发环境下集成医学图像配准Elastix类库、医学影像分割和配准C++库ITK、影像数据可视化C++库VTK和图形用户界面Qt,设计、开发了一个PET/CT/SCT/MRI医学影像配准与可视化评估软件系统。该系统具有开放的系统结构、支持DICOM医学影像文件标准、具有友好的用户操作界面和很强的系统扩展性、可移植性。2)利用三线性插值算法对不同分辨率PET/CT/SCT/MRI影像进行插值和坐标变换,实现了多模态影像叠加可视化显示,为配准方法和参数的选择提供可视化的配准前影像相对位置、形变信息,以便配准能更快更好的完成。3)设计、开发了交互式、可视化的多模态医学影像配准与可视化评估模块,使影像配准方法及其对应参数的选择和配准结果的评估过程简单化。4)提出了一种多级配准实施方法,化繁为简,将复杂的几何变换分作多步简单的变换,将待配准的PET/CT/SCT/MRI图像逐步地实现精确配准。
张意合[10]（2014）在《基于CT图像的计算机辅助恶性肝肿瘤分割研究》文中研究说明目前,原发性肝癌是致死率极高的疾病,这是由于肝脏器官中的神经比较少,所以当出现较轻的肝脏疾病或损坏时很难被人体感知,而肝癌具有较长时间的潜伏期,初发的肝癌体积又比较小,没有明显的临床特征,导致医生很难根据医学影像（例如计算机断层图像Computed TomographyCT）仅仅通过肉眼观察出来,再加上医生缺乏丰富的临床经验,难免出现漏诊、误诊的情况,所以当病人被检查确诊为肝癌时基本上在肝癌的中后期,这给治疗带来了很大的困难,相应的治愈率极低。因此开发出一套有效的计算机辅助医生诊断肝癌疾病的系统是具有重要意义的。本文针对计算机辅助诊断系统里的恶性肝肿瘤分割模块进行了下面几个方面的探究：1)对原始腹部CT图像进行配准,包括相位相关（Phase-Only Correlation POC）刚性配准实验和薄板样条（Thin-Plate Splines TPS）非刚性配准实验,发现利用TPS进行肝脏区域配准时,在肝脏轮廓及肝脏区域内选择17个左右的特征点即可达到较理想的配准结果。2)针对手动选择特征点的不足,提出了基于二值图像的自动寻找特征点的方法,新的寻找特征点的方法能够自动找到满足配准需求的特征点,实验结果表明该自动寻找特征点的方法是有效的,配准结果能满足临床实验的需求。3)肝肿瘤分割的实验,利用边缘检测和差分的方法提取肝肿瘤候补区域,采用球形计分滤波器的方法对较小的肝肿瘤和肝癌转移进行检测,并采用灰度共生矩阵（Gray Level Co-occurrence Matrix GLCM）生成的纹理特征量——对比度,以及其他的特征量来删除候补区域的假阳性。
二、数理统计在医学图像配准评价中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数理统计在医学图像配准评价中的应用（论文提纲范文）
（1）红外与可见光图像融合的目标识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像融合及目标识别的研究现状 |
| 1.2.2 嵌入式平台下图像处理的研究现状 |
| 1.3 本文主要研究工作和章节安排 |
| 第2章 红外与可见光成像原理及预处理方法 |
| 2.1 红外与可见光成像原理 |
| 2.1.1 红外热成像传感器工作原理 |
| 2.1.2 可见光成像传感器工作原理 |
| 2.2 红外与可见光图像的特点 |
| 2.3 红外与可见光图像的预处理方法 |
| 2.3.1 可见光图像预处理 |
| 2.3.2 红外图像预处理 |
| 2.4 本章小结 |
| 第3章 坦克目标的图像配准与融合方法 |
| 3.1 红外与可见光图像配准 |
| 3.1.1 图像配准概述 |
| 3.1.2 配准几何变换模型 |
| 3.1.3 图像配准方法 |
| 3.2 红外与可见光图像的特征配准 |
| 3.2.1 不变矩特征 |
| 3.2.2 SURF特征描述子 |
| 3.2.3 形状上下文特征 |
| 3.2.4 图像配准评价 |
| 3.3 红外与可见光图像融合 |
| 3.3.1 图像融合算法 |
| 3.3.2 基于小波变换的图像融合 |
| 3.3.3 融合结果分析 |
| 3.4 本章小结 |
| 第4章 坦克目标的特征提取与识别方法 |
| 4.1 图像模式识别方法概述 |
| 4.2 坦克目标特征提取方法 |
| 4.2.1 局部二元模式特征 |
| 4.2.2 SIFT特征描述 |
| 4.2.3 梯度方向直方图特征 |
| 4.3 小样本数据的目标分类决策方法 |
| 4.3.1 最优分类面的选择 |
| 4.3.2 支持向量机 |
| 4.3.3 核函数选择 |
| 4.4 基于HOG+SVM目标识别算法 |
| 4.4.1 融合目标的特征选择 |
| 4.4.2 HOG特征提取 |
| 4.4.3 SVM分类器训练及分类 |
| 4.4.4 多尺度窗口融合方法 |
| 4.4.5 识别结果分析 |
| 4.5 本章小结 |
| 第5章 ARM+FPGA的嵌入式系统实现与结果分析 |
| 5.1 FPGA平台下的算法加速优化 |
| 5.1.1 图像配准算法优化 |
| 5.1.2 融合算法优化 |
| 5.1.3 HOG特征提取算法的优化 |
| 5.2 融合图像的目标识别系统搭建 |
| 5.2.1 Zynq平台简介 |
| 5.2.2 系统总体架构部署 |
| 5.2.3 模块化IP设计 |
| 5.2.4 运行环境配置 |
| 5.2.5 软件工程设计 |
| 5.3 系统验证与性能分析 |
| 5.3.1 实验结果对比分析 |
| 5.3.2 系统性能分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
（2）基于迭代回归的2D/3D多模态医学图像配准（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 配准问题描述 |
| 1.3 2D/3D配准国内外研究现状 |
| 1.4 论文的主要研究内容与创新 |
| 1.5 论文的结构安排 |
| 第二章 2D/3D医学图像配准基础 |
| 2.1 2D/3D医学图像配准迭代框架 |
| 2.2 2D/3D配准分类 |
| 2.2.1 基于特征信息 |
| 2.2.2 基于灰度信息 |
| 2.2.3 基于混合信息 |
| 2.3 2D/3D配准基本组件 |
| 2.3.1 投影算法 |
| 2.3.2 空间变换 |
| 2.3.3 相似性测度 |
| 2.3.4 优化算法 |
| 2.4 图像配准评价指标 |
| 2.5 本章小结 |
| 第三章 基于归一化互相关的2D/3D配准 |
| 3.1 归一化互相关系数 |
| 3.2 微分算子 |
| 3.2.1 Sobel梯度算子 |
| 3.2.2 高斯拉普拉斯算子 |
| 3.3 改进的相似性测度 |
| 3.3.1 基于Sobel算子的归一化互相关 |
| 3.3.2 基于LoG算子的归一化互相关 |
| 3.4 多分辨率策略 |
| 3.5 实验与结果分析 |
| 3.5.1 实验环境与数据 |
| 3.5.2 实验流程 |
| 3.5.3 实验评价标准 |
| 3.5.4 单分辨率配准实验 |
| 3.5.5 多分辨率配准实验 |
| 3.6 本章小结 |
| 第四章 基于空间直方图的2D/3D配准 |
| 4.1 梯度方向加权直方图理论 |
| 4.2 改进的梯度方向加权直方图 |
| 4.2.1 空间直方图 |
| 4.2.2 梯度方向加权空间直方图 |
| 4.3 实验与结果分析 |
| 4.3.1 实验设置 |
| 4.3.2 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）基于有界形变函数的非刚性医学图像配准变分模型和算法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 医学图像及非刚性配准方法简介 |
| 1.2 泛函分析框架下的非刚性医学图像配准方法综述 |
| 1.3 其它非刚性配准方法概述 |
| 1.4 本论文结构安排及成果概要 |
| 2 利用函数的非刚性医学图像配准模型 |
| 2.1 有界形变函数空间BD(?) |
| 2.2 BD模型的提出以及解的存在性 |
| 2.3 数值实验结果与分析 |
| 2.3.1 有限差分离散 |
| 2.3.2 2D配准实验 |
| 2.3.3 3D配准实验 |
| 2.4 本章小节 |
| 3 利用LCC相似性度量进行非刚性配准 |
| 3.1 BDLCC非刚性配准模型 |
| 3.1.1 BDLCC模型的提出 |
| 3.1.2 模型解的存在性 |
| 3.2 模型求解与数值实验 |
| 3.2.1 梯度下降算法 |
| 3.2.2 数值实验 |
| 3.3 本章小节 |
| 4 非刚性配准模型的快速算法 |
| 4.1 基于BD正则项的配准模型的原始-对偶算法 |
| 4.1.1 原始-对偶混合梯度算法介绍 |
| 4.1.2 BD配准模型的原始对偶算法 |
| 4.2 数值实验与对比 |
| 4.2.1 原始-对偶算法求解BDSSD模型 |
| 4.2.2 原始-对偶算法求解BDLCC模型 |
| 4.3 本章小节 |
| 5 基于有界广义形变函数的非刚性配准模型 |
| 5.1 有界广义形变函数及空间BGD~k(?) |
| 5.1.1 张量及张量场函数 |
| 5.1.2 BGD~k(?)空间 |
| 5.2 基于有界广义形变函数的非刚性配准模型 |
| 5.2.1 模型的提出 |
| 5.2.2 模型的理论分析 |
| 5.3 数值求解算法及数值实验 |
| 5.3.1 原始-对偶算法 |
| 5.3.2 数值实验与分析 |
| 5.4 本章小节 |
| 6 结论与展望 |
| 6.1 论文的主要工作 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于改进ORB算法和最佳缝合线的图像拼接技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 图像拼接技术的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图像配准技术 |
| 1.2.2 图像融合技术 |
| 1.3 本文工作及内容 |
| 1.4 章节安排 |
| 2 图像拼接技术的相关理论 |
| 2.1 图像拼接流程 |
| 2.2 图像预处理 |
| 2.3 图像配准 |
| 2.3.1 特征点提取 |
| 2.3.2 特征点匹配 |
| 2.4 几何模型变换 |
| 2.5 图像融合 |
| 2.5.1 图像融合的层级 |
| 2.5.2 图像融合的方法 |
| 2.6 图像融合质量评价 |
| 2.7 本章小结 |
| 3 基于改进ORB算法的图像配准 |
| 3.1 传统ORB算法 |
| 3.1.1 特征点提取 |
| 3.1.2 特征点描述 |
| 3.1.3 特征点匹配 |
| 3.2 改进的ORB算法 |
| 3.2.1 多尺度金字塔特征点检测 |
| 3.2.2 双向匹配 |
| 3.2.3 单应性矩阵 |
| 3.3 渐入渐出加权融合 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 4 基于最佳缝合线的加权图像融合 |
| 4.1 加权融合算法 |
| 4.2 改进的加权融合算法 |
| 4.2.1 计算最佳缝合线 |
| 4.2.2 基于最佳缝合线的渐入渐出融合算法 |
| 4.3 图像配准 |
| 4.4 实验结果与分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（5）高分辨率SAR图像与可见光图像配准方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于特征的遥感图像配准 |
| 1.2.2 基于区域的遥感图像配准 |
| 1.2.3 遥感图像配准的深度学习框架 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 2 图像配准理论 |
| 2.1 引言 |
| 2.2 相似性度量 |
| 2.2.1 皮尔逊相关系数 |
| 2.2.2 香农互信息 |
| 2.2.3 余弦相似度 |
| 2.3 几何变换函数 |
| 2.3.1 平移变换 |
| 2.3.2 刚体变换 |
| 2.3.3 相似变换 |
| 2.3.4 仿射变换 |
| 2.4 图像特征描述符 |
| 2.4.1 方向梯度直方图 |
| 2.4.2 尺度不变特征变换 |
| 2.4.3 快速鲁棒特征 |
| 2.5 评价指标 |
| 2.5.1 同源图像评价指标 |
| 2.5.2 异源图像评价指标 |
| 2.6 小结 |
| 3 基于结构相似性的SAR图像与可见光图像配准 |
| 3.1 引言 |
| 3.2 HIOHC:改进的方向Harris角点直方图 |
| 3.2.1 Harris响应函数的二阶泰勒展开 |
| 3.2.2 Harris响应函数的权重 |
| 3.2.3 Harris响应函数的方向 |
| 3.2.4 结构特征描述符 |
| 3.3 配准流程 |
| 3.4 参数分析 |
| 3.4.1 数据集 |
| 3.4.2 评价指标 |
| 3.4.3 实验设计 |
| 3.4.4 敏感性分析 |
| 3.5 实验结果与分析 |
| 3.5.1 实验评价标准 |
| 3.5.2 实验数据和实验环境 |
| 3.5.3 实验结果 |
| 3.6 小结 |
| 4 基于卷积神经网络的SAR图像与可见光图像配准 |
| 4.1 引言 |
| 4.2 卷积神经网络配准架构 |
| 4.2.1 配准流程 |
| 4.2.2 网络设计 |
| 4.2.3 网络训练 |
| 4.3 参数分析 |
| 4.3.1 数据集 |
| 4.3.2 评价指标 |
| 4.3.3 敏感性分析 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据和实验环境 |
| 4.4.2 实验结果 |
| 4.5 小结 |
| 5 结束语 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）Student-t过程下的协方差矩阵自适应进化策略研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状分析 |
| 1.2.1 进化算法的研究现状 |
| 1.2.2 协方差矩阵自适应进化策略的研究现状 |
| 1.2.3 医学图像配准的研究现状 |
| 1.3 本文内容安排 |
| 第2章 协方差矩阵自适应进化策略 |
| 2.1 理论基础 |
| 2.1.1 正定矩阵的特征分解 |
| 2.1.2 协方差矩阵及其特征分解 |
| 2.1.3 多元高斯分布 |
| 2.1.4 随机黑箱优化 |
| 2.1.5 协方差矩阵和Hessian矩阵之间的关系 |
| 2.2 协方差矩阵自适应学习原理 |
| 2.2.1 采样 |
| 2.2.2 协方差矩阵更新 |
| 2.2.3 全局步长控制 |
| 2.3 CMA-ES算法总结 |
| 2.4 本章小结 |
| 第3章 基于Student-t过程的CMA-ES算法 |
| 3.1 高斯过程概述 |
| 3.2 Student-t分布与Student-t过程 |
| 3.3 核技巧 |
| 3.3.1 核函数的定义 |
| 3.3.2 核技巧在TPCMA-ES中的应用 |
| 3.4 TPCMA-ES算法核心思想 |
| 3.5 算法性能测试 |
| 3.5.1 测试函数 |
| 3.5.2 测试结果分析 |
| 3.6 本章小结 |
| 第4章 基于置信区间的TPCMA-ES |
| 4.1 置信区间 |
| 4.2 算法核心思想 |
| 4.3 算法的性能测试 |
| 4.3.1 测试函数 |
| 4.3.2 测试结果分析 |
| 4.4 本章小结 |
| 第5章 基于CMA-ES算法的医学图像配准 |
| 5.1 图像配准原理 |
| 5.1.1 医学图像配准的概念 |
| 5.1.2 医学图像配准的数学描述 |
| 5.2 医学图像配准流程 |
| 5.2.1 特征空间 |
| 5.2.2 变换模型 |
| 5.2.3 相似性度量方法 |
| 5.2.4 搜索策略 |
| 5.3 基于归一化互信息的医学图像配准 |
| 5.3.1 配准方案设计 |
| 5.3.2 实验设置 |
| 5.4 单模态医学图像配准 |
| 5.4.1 单模态医学图像配准问题描述 |
| 5.4.2 仿真结果及分析 |
| 5.5 多模态医学图像配准 |
| 5.5.1 多模态医学图像配准问题描述 |
| 5.5.2 仿真结果及分析 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参加的科研项目和成果 |
（7）医学图像融合及其在脑部成像中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 前言 |
| 2 医学图像融合相关方法研究与评价 |
| 3 脑部PET与MRI医学影像融合研究 |
| 4 实验结果及评价 |
| 5 结论及展望 |
| 参考文献 |
| 综述：医学图像融合技术研究与展望 |
| 参考文献 |
| 攻读学位期间发表文章情况 |
| 致谢 |
| 个人简历 |
（8）基于信息融合的医学图像阈值分割及评价方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 医学图像阈值分割研究现状 |
| 1.3 图像分割质量评价研究现状 |
| 1.4 本文主要研究内容 |
| 1.5 本文组织结构 |
| 第2章 医学图像分割技术 |
| 2.1 医学图像分割概念 |
| 2.2 医学图像分割方法 |
| 2.2.1 基于阈值的图像分割方法 |
| 2.2.2 基于区域的图像分割方法 |
| 2.2.3 基于数理统计的图像分割方法 |
| 2.2.4 基于能量最小化的图像分割方法 |
| 2.2.5 基于神经网络的图像分割方法 |
| 2.2.6 基于图谱的图像分割方法 |
| 2.3 医学图像分割质量评价方法 |
| 2.3.1 主观评价准则 |
| 2.3.2 客观评价指标 |
| 2.4 医学图像库 |
| 2.5 本章小结 |
| 第3章 基于内部生成机制的医学图像多阈值分割算法研究 |
| 3.1 引言 |
| 3.2 基于内部生成机制的医学图像多阈值分割算法 |
| 3.2.1 算法框架 |
| 3.2.2 内部生成机制 |
| 3.2.3 像素分类规则 |
| 3.3 实验结果与分析 |
| 3.3.1 实验设置 |
| 3.3.2 实验结果 |
| 3.4 本章小结 |
| 第4章 基于融合策略的医学图像多阈值分割算法研究 |
| 4.1 引言 |
| 4.2 图像分割融合策略 |
| 4.2.1 相关定义 |
| 4.2.2 像素重新分类规则 |
| 4.2.3 融合策略 |
| 4.3 基于融合策略的医学图像多阈值分割算法 |
| 4.3.1 DCE-Otsu算法 |
| 4.3.2 局部Laplacian滤波 |
| 4.3.3 图像分割融合算法框架 |
| 4.4 实验结果与分析 |
| 4.4.1 实验设置 |
| 4.4.2 性能比较 |
| 4.4.3 添加噪声图像实验 |
| 4.4.4 运行时间比较 |
| 4.5 本章小结 |
| 第5章 基于ROC分析的图像分割质量客观评价方法研究 |
| 5.1 引言 |
| 5.2 问题分析 |
| 5.3 基于加权ROC图的图像分割质量客观评价指标 |
| 5.3.1 指标框架 |
| 5.3.2 加权策略 |
| 5.3.3 基于加权ROC图的评分策略 |
| 5.4 实验结果与分析 |
| 5.4.1 实验设置 |
| 5.4.2 医学图像实验 |
| 5.4.3 非医学图像实验 |
| 5.4.4 BSDS图像库实验 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读博士期间取得的学术成果 |
| 致谢 |
（9）恶性肿瘤放疗PET/CT/SCT/MRI影像配准软件系统研发（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 概述 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.3 本文的主要内容和结构安排 |
| 第2章 系统开发环境与开发工具 |
| 2.1 引言 |
| 2.2 系统开发环境 |
| 2.3 医学图像配准和分割开发工具（ITK库）简介及应用 |
| 2.3.1 ITK特点 |
| 2.3.2 ITK数据处理流程 |
| 2.3.3 ITK内存管理和智能指针 |
| 2.3.4 ITK在医学图像处理中的应用 |
| 2.4 医学图像可视化开发工具（VTK库）框架及应用 |
| 2.4.1 VTK特点 |
| 2.4.2 VTK图像数据集 |
| 2.4.3 VTK数据处理流程 |
| 2.5 Qt编程技术 |
| 2.5.1 Qt特点 |
| 2.5.2 Qt编程机制 |
| 2.6 医学图像配准工具箱(Elastix) |
| 2.7 系统开发环境集成 |
| 2.8 本章小结 |
| 第3章 多模态医学图像配准框架与方法 |
| 3.1 医学图像配准基本框架 |
| 3.2 多模态医学图像配准基本方法 |
| 3.2.1 相似性测度函数 |
| 3.2.2 空间变换 |
| 3.2.3 图像插值 |
| 3.2.4 图像采样 |
| 3.2.5 优化方法 |
| 3.2.6 图像多分辨率 |
| 3.2.7 重采样 |
| 3.3 图像配准基本步骤 |
| 3.4 本章小结 |
| 第4章 多模态医学图像配准系统设计与实现 |
| 4.1 系统功能总体设计 |
| 4.2 系统用户操控流程设计与实现 |
| 4.2.1 系统菜单 |
| 4.2.2 系统控制面板工具 |
| 4.2.3 系统显示模块 |
| 4.3 系统数据流程设计与实现 |
| 4.4 多模态医学图像配准实现 |
| 4.4.1 预处理 |
| 4.4.2 多模态医学图像配准 |
| 4.4.3 后处理 |
| 4.5 多模态医学图像配准结果评估实现 |
| 4.6 本章小结 |
| 第5章 系统测试与临床应用研究 |
| 5.1 多模态医学影像的配准 |
| 5.1.1 病例一SCT/MRI配准测试 |
| 5.1.2 病例一SCT/一体机的CT配准测试 |
| 5.1.3 病例一SCT/一体机的PET配准测试 |
| 5.1.4 病例一SCT/MRI/PET配准 |
| 5.1.5 病例二配准测试 |
| 5.2 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文 |
| 附录B 攻读学位期间参与的科研项目 |
（10）基于CT图像的计算机辅助恶性肝肿瘤分割研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 计算机辅助诊断相关技术 |
| 1.2 研究背景和目的 |
| 1.3 国内外研究现状 |
| 1.4 研究内容和论文框架 |
| 第二章 肝脏区域的分割 |
| 2.1 图像平滑 |
| 2.2 Sobel和LoG边缘检测 |
| 2.3 图像膨胀 |
| 2.4 噪声点的删除 |
| 2.5 动脉血管的定位 |
| 2.6 肝脏区域分割 |
| 2.7 基于CT图像的三维肝脏分割 |
| 2.8 本章小结 |
| 第三章 配准算法的研究 |
| 3.1 图像配准简介 |
| 3.2 图像配准 |
| 3.2.1 相位相关的刚性配准 |
| 3.2.1.1 传统的互相关 |
| 3.2.1.2 相位相关 |
| 3.2.2 薄板样条非刚体配准 |
| 3.2.3 配准结果的评价 |
| 3.3 TPS配准实验 |
| 3.3.1 实验数据来源 |
| 3.3.2 特征点的选择 |
| 3.3.3 实验结果分析 |
| 3.4 基于肝脏二值图像自动寻找特征点 |
| 3.4.1 算法介绍 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 恶性肝肿瘤分割 |
| 4.1 问题提出 |
| 4.2 实验材料与方法 |
| 4.2.1 肝肿瘤的分割 |
| 4.2.2 消除假阳性 |
| 4.3 利用球形计分滤波器检测癌转移 |
| 4.4 肿瘤候补区域的膨胀 |
| 4.5 三维显示虚拟分割及临床实验验证 |
| 4.6 本章小结 |
| 第五章 工作总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表、录用论文及参与科研项目情况 |
四、数理统计在医学图像配准评价中的应用（论文参考文献）
- [1]红外与可见光图像融合的目标识别方法研究[D]. 孟志敏. 沈阳理工大学, 2021(01)
- [2]基于迭代回归的2D/3D多模态医学图像配准[D]. 王杨. 电子科技大学, 2020(07)
- [3]基于有界形变函数的非刚性医学图像配准变分模型和算法[D]. 聂梓伟. 南京理工大学, 2019(01)
- [4]基于改进ORB算法和最佳缝合线的图像拼接技术研究[D]. 王健. 东北林业大学, 2019(01)
- [5]高分辨率SAR图像与可见光图像配准方法研究[D]. 秦杰. 南京理工大学, 2019(06)
- [6]Student-t过程下的协方差矩阵自适应进化策略研究及应用[D]. 楼浩锋. 浙江工业大学, 2018(07)
- [7]医学图像融合及其在脑部成像中的应用研究[D]. 张涛. 新乡医学院, 2018(12)
- [8]基于信息融合的医学图像阈值分割及评价方法研究[D]. 冯云丛. 吉林大学, 2017(03)
- [9]恶性肿瘤放疗PET/CT/SCT/MRI影像配准软件系统研发[D]. 聂茂. 湖南大学, 2015(03)
- [10]基于CT图像的计算机辅助恶性肝肿瘤分割研究[D]. 张意合. 广西大学, 2014(02)