目錄
第1章 緒論 1
1.1 醫(yī)學(xué)圖像分割與校正背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀分析 3
1.3 相關(guān)模型與方法 7
1.3.1 MICO 模型 7
1.3.2 CV 模型 8
1.3.3 RSF 模型 8
1.3.4 分裂Bregman方法 11
1.4 本書內(nèi)容簡介 12
第2章 多區(qū) MR 圖像分割與校正模型 15
2.1 前期準備 15
2.1.1 CLIC 模型 15
2.1.2 分裂 Bregman 方法 16
2.2 模型建立 16
2.2.1 建立能量泛函 16
2.2.2 定義隸屬函數(shù) 17
2.2.3 定義加權(quán)長度項 19
2.2.4 偏磁場估計算法 19
2.2.5 分裂Bregman方法極小化能量泛函 19
2.3 數(shù)值實驗 22
2.3.1 數(shù)值實現(xiàn) 22
2.3.2 實驗結(jié)果 22
2.4 本章小結(jié) 29
第3章 抗噪聲醫(yī)學(xué)圖像分割與校正模型 30
3.1 引言 30
3.2 模型建立 30
3.2.1 二區(qū)能量泛函與分裂 Bregman 方法求解 31
3.2.2 多區(qū)能量泛函與分裂 Bregman 方法求解 35
3.3 數(shù)值實驗 38
3.3.1 數(shù)值實現(xiàn) 38
3.3.2 實驗結(jié)果 39
3.4 本章小結(jié) 54
第4章 基函數(shù)表達的人腦MR圖像分割與校正模型 55
4.1 引言 55
4.2 SCMB模型 55
4.3 應(yīng)用分裂Bregman方法求解.58
4.4 針對多區(qū)圖像的SCMB模型 59
4.5 數(shù)值實驗 62
4.5.1 數(shù)值實現(xiàn) 62
4.5.2 實驗結(jié)果 63
4.6 本章小結(jié) 77
第5章 多圖譜融合的三維人腦MR圖像分割與校正模型 79
5.1 引言 79
5.2 多圖譜融合三維分割與校正模型 80
5.3 基于模型構(gòu)建新的能量泛函 82
5.4 應(yīng)用分裂Bregman方法極小化模型 83
5.5 實驗結(jié)果 85
5.6 本章小結(jié) 92
第6章 結(jié)合先驗約束項的圖像分割模型 94
6.1 預(yù)備知識 94
6.2 模型建立 95
6.2.1 先驗約束項 95
6.2.2 構(gòu)造能量泛函 95
6.2.3 分裂Bregman方法極小化能量泛函 96
6.3 數(shù)值實驗 98
6.3.1 數(shù)值實現(xiàn) 98
6.3.2 實驗結(jié)果 99
6.4 本章小結(jié) 104
第7章 帶有強約束項的彩色圖像分割模型 106
7.1 引言 106
7.2 預(yù)備知識 106
7.2.1 RSF 模型 106
7.2.2 多圖譜方法.107
7.3 ERSF 模型 108
7.4 分裂Bregman方法快速求解 110
7.5 數(shù)值實驗 112
7.6 本章小結(jié) 115
第8章 并行的帶有強約束項的圖像分割模型 116
8.1 引言 116
8.2 預(yù)備知識 116
8.3 PeRSF模型 117
8.4 數(shù)值實驗 119
8.5 時間復(fù)雜度分析 122
8.6 本章小結(jié) 123
第9章 弱監(jiān)督牙齒分割模型 124
9.1 引言 124
9.2 弱監(jiān)督分割模型的建立 125
9.2.1 牙齒檢測 125
9.2.2 橢圓錨框生成 125
9.2.3 帶約束的活動輪廓模型 126
9.2.4 能量極小化 128
9.2.5 曲率分割模型 131
9.2.6 粘連牙齒分離 131
9.2.7 弱監(jiān)督訓(xùn)練.132
9.3 數(shù)值實驗 133
9.4 本章小結(jié) 139
第10章 基于局部方差和邊緣信息的自適應(yīng)分割模型 140
10.1 引言 140
10.2 局部方差分割模型的建立和極小化 141
10.2.1 局部方差能量泛函的建立 142
10.2.2 梯度下降方法極小化局部方差分割模型 144
10.3 局部方差分割模型的雙層能量泛函 146
10.4 實驗與分析 146
10.4.1 不同數(shù)據(jù)集上的分割實驗 146
10.4.2 參數(shù)選擇.158
10.4.3 消融實驗.159
10.5 本章小結(jié) 159
第11章 基于強化主動學(xué)習(xí)的圖像選擇策略應(yīng)用于分割模型 161
11.1 引言 161
11.2 強化主動學(xué)習(xí)模型的建立 162
11.2.1 主動學(xué)習(xí)作為MDP 163
11.2.2 構(gòu)建狀態(tài) 165
11.2.3 構(gòu)建動作 165
11.2.4 構(gòu)建獎勵 167
11.2.5 通過DQN學(xué)習(xí)選擇策略 168
11.3 實驗與分析 170
11.3.1 數(shù)據(jù)集ACDC的分割實驗.171
11.3.2 數(shù)據(jù)集M&Ms的分割實驗 172
11.3.3 消融實驗 174
11.4 本章小結(jié) 176
參考文獻 177