第1章 醫(yī)學圖象的發(fā)展
1. 1 倫琴開創(chuàng)了人體圖象的先河
1. 2 CT技術與三維醫(yī)學圖象
1. 3 PET技術與功能醫(yī)學圖象
1. 4 多種成象模式
1. 5 醫(yī)學圖象后處理概念
第2章 醫(yī)學圖象基礎
2. 1 圖象數據格式
2. 2 灰度直方圖
2. 2. 1 灰度直方圖概念
2. 2. 2 灰度直方圖的性質
2. 2. 3 歸一化直方圖
2. 2. 4 彩色圖象的直方圖
2. 2. 5 直方圖的線性拉伸與壓縮
2. 3 偽彩色與假彩色
2. 3. 1 偽彩色
2. 3. 2 假彩色
2. 4 圖象體數據集
2. 4. 1 體數據集
2. 4. 2 體數據文件格式
2. 5 圖象插值技術
2. 5. 1 插值的概念
2. 5. 2 圖象灰度插值
2. 5. 3 二維圖象灰度插值方法
2. 5. 4 三維圖象灰度插值方法
2. 6 圖象形狀和紋理量化
2. 6. 1 形狀量化
2. 6. 2 紋理量化
第3章 醫(yī)學圖象增強
3. 1 基本增強技術
3. 1. 1 卷積算子
3. 1. 2 象素運算
3. 1. 3 局部算子
3. 1. 4 多幅圖象運算
3. 1. 5 頻域增強技術
3. 2 適配圖象濾波
3. 2. 1 空間頻率濾波
3. 2. 2 鈍化蒙片法
3. 2. 3 適配維納濾波
3. 2. 4 各向異性適配濾波
3. 3 適配模板濾波
3. 3. 1 適配模板濾波算法
3. 3. 2 仿真圖象濾波實驗
3. 3. 3 MRI圖象適配模板濾波
3. 3. 4 三維體數據適配模板濾波
3. 4 二進小波圖象增強技術
3. 4. 1 一維離散二進小波變換
3. 4. 2 多維離散二進小波變換
3. 4. 3 數字乳腺圖象的對比增強
第4章 醫(yī)學圖象分割
4. 1 醫(yī)學圖象分割概念
4. 2 閾值分割技術
4. 2. 1 全局閾值法
4. 2. 2 大津閾值分割
4. 3 微分算子邊緣檢測
4. 3. 1 灰度梯度
4. 3. 2 Roberts交叉算子
4. 3. 3 Sobel模板
4. 3. 4 Kirsch算子
4. 3. 5 Ldplace算子
4. 3. 6 Marr算子
4. 3. 7 Canny算子
4. 3. 8 Hough變換
4. 4 區(qū)域增長技術
4, 4. 1 單一型鏈結的區(qū)域增長
4. 4. 2 混合型鏈結的區(qū)域增長
4. 4. 3 登山算法
4. 4. 4 分水嶺算法
4. 5 聚類分割技術
4. 5. 1 c均值聚類
4. 5. 2 ISODATA算法
4. 6 形態(tài)運算
4. 6. 1 膨脹與腐蝕
4. 6. 2 開運算與閉運算
4. 6. 3 形態(tài)運算舉例
4. 7 邊界跟蹤
4. 7. 1 8鄰域搜索法
4. 7. 2 跟蹤蟲搜索法
4. 8 邊界分段擬合
4. 8. 1 迭代端點擬合
4. 8. 2 最小均方誤差曲線擬合
第5章 醫(yī)學圖象分類
5. 1 單譜MR圖象分割
5. 2 多譜圖象分析
5. 3 神經網絡分類
5. 3. 1 Kohonen模型
5. 3. 2 帶有側反饋的Kohonen網絡
5. 3. 3 Kohonen自組織特征圖
5. 4 馬爾可夫隨機場與期望值最大化方法
5. 4. 1 有限混合模型
5. 4. 2 馬爾可夫模型與一階馬爾可夫鏈
5. 4. 3 馬爾可夫隨機場
5. 4. 4 Gibbs分布與MRF
5. 4. 5 MRF-MAP分類
5. 4. 6 用期望值最大化方法擬合模型
5. 5 基于有偏場校正的圖象分割方法
5. 5. 1 算法介紹
5. 5. 2 適配分割算法的實現(xiàn)
5. 5. 3 實驗結果
5. 6 基于信息最小化的MR強度不均勻性回顧修正
5. 6. 1 線性校正模型
5. 6. 2 實驗方法及結果
5. 7 模糊聚類分割
5. 7. 1 模糊集合與隸屬度
5. 7. 2 模糊c均值算法
5. 7. 3 方向敏感的模糊c均值算法
5. 7. 4 適配模糊c均值算法
5. 7. 5 基于有偏場校正的適配模糊聚類分割算法(BAFCM)
5. 8 梯度向量流變形模型
5. 8. 1 二維參數式變形模型
5. 8. 2 梯度向量流變形模型
5. 9 水平集與快速步進分割方法
5. 9. 1 邊界驅動蛇線法
5. 9. 2 區(qū)域競爭蛇線法
5. 9. 3 圖象的預處理
5. 9. 4 快速步進法
5. 10 用體素直方圖的部分體積分割
5. 10. 1 歸一化直方圖
5. 10. 2 單純材料與混合材料區(qū)的直方圖基函數
5. 10. 3 直方圖基函數的參數估算
5. 10. 4 分類方法
5, 10. 5 分類實驗結果
5. 11 異常腦組織的識別
5. 12 醫(yī)學圖象分割技術的評估
5. 12. 1 專家目測
5. 12. 2 體模驗證
5. 12. 3 計算機化解剖圖譜
第6章 醫(yī)學圖象配準
6. 1 圖象配準的概述
6. 1. 1 圖象配準的概念
6. 1. 2 醫(yī)學圖象基本變換
6. 1. 3 配準的類型
6. 1. 4 主要配準方法
6. 2 基本空間變換模型
6. 2. 1 剛體變換
6. 2. 2 全局尺度變換
6. 2. 3 9參數仿射變換
6. 2. 4 一般仿射變換
6. 2. 5 透視變換
6. 2. 6 非線性空間變換
6. 3 基于基準點的配準方法
6. 3. 1 極值線與極值點
6. 3. 2 極值點的自動提取方法
6. 3. 3 用隨機法提取極值點
6. 3. 4 基于曲線的剛體配準
6. 3. 5 基于極值點的剛體配準
6. 3. 6 僅依賴基準點位置的剛體配準
6. 4 倒角匹配圖象配準法
6. 4. 1 代價函數與距離變換
6. 4. 2 圖象分割與代價函數的優(yōu)化
6. 4. 3 倒角匹配算法的醫(yī)學應用
6. 5 基于最大互信息的多模醫(yī)學圖象配準
6. 5. 1 配準原理
6. 5. 2 以互信息為相似性測度
6. 5. 3 多參數最優(yōu)化算法
6. 5. 4 配準結果的評估
6. 5. 5 實驗結果
6. 6 結合互信息與圖象梯度的配準技術
6. 6. 1 結合互信息與圖象梯度的配準測度
6. 6. 2 配準實例
6. 7 基于形狀特征點最大互信息的醫(yī)學圖象配準
6. 7. 1 配準原理
6. 7. 2 實驗結果
6. 7. 3 幾點討論
6. 8 基于薄板樣條的MRI圖象與腦圖譜的配準方法
6. 8. 1 Talairach腦圖譜
6. 8. 2 非線性形變方法
6. 8. 3 薄板樣條方法
6. 8. 4 實驗結果
6. 9 圖象信息融合技術
6. 9. 1 基于分割的圖象融合法
6. 9. 2 加權平均法
6. 9. 3 Toet法
6. 9. 4 對比度調制法
6. 9. 5 小波變換融合法
6. 10 醫(yī)學圖象配準的評估
6. 10. 1 體模
6. 10. 2 準標
6. 10. 3 圖譜
6. 10. 4 目測檢驗
第7章 醫(yī)學圖象可視化
7. 1 生物醫(yī)學三維可視化
7. 2 可視化數據基本表示法與基本算法
7. 2. 1 可視化數據基本表示法
7. 2. 2 可視化基本算法
7. 3 表面繪制技術
7. 3. 1 基于體素的表面重建
7. 3. 2 基于切片的表面重建
7. 4 體繪制技術
7. 4. 1 透明度與a值
7. 4. 2 紋理映射
7. 4. 3 體繪制
7. 4. 4 按圖象順序體繪制
7. 4. 5 按對象順序體繪制
7. 4. 6 其他體繪制方法
7. 5 形態(tài)插值技術
7. 5. 1 基于形狀的形態(tài)插值
7. 5. 2 基于形態(tài)骨架的二值圖象插值
7. 6 血管圖象可視化方法
7. 6. 1 用于血管圖象分割的簡化模糊連接算法
7. 6. 2 基于水平集曲線演化的血管分割
7. 7 虛擬內窺鏡
7. 7. 1 圖象處理和分割
7. 7. 2 用于虛擬內窺鏡的管狀器官的圓柱狀近似
7. 7. 3 圓柱狀近似算法
7. 7. 4 用圓柱狀結構加速體繪制
7. 7. 5 交互式虛擬內窺鏡工具
第8章 醫(yī)學圖象標準數據庫
8. 1 數字化人腦圖譜技術
8. 1. 1 數字化人腦圖譜的概念與特點
8. 1. 2 數字化人腦圖譜的構建方法
8. 1. 3 數字化人腦圖譜的應用
8. 2 數字化虛擬人體
8. 2. 1 美國可視人計劃
8. 2. 2 VHP數據集的處理
8. 2. 3 數字化虛擬人設想
8. 2. 4 中國虛擬人的有關醫(yī)學圖象方法學考慮
8. 3 Talairach圖譜
8. 3. 1 Talairach坐標系統(tǒng)
8. 3. 2 數據集到Talairach-Tournoux坐標的轉換
8. 3. 3 交互式Talairach圖譜
8. 4 Ono腦溝回圖譜
8. 5 MNI-BIC的BrainWeb
8. 6 哈佛全腦數據庫
第9章 醫(yī)學圖象壓縮. 存儲與通信
9. 1 圖象壓縮的基本概念和標準
9. 1. 1 數字圖象
9. 1. 2 圖象數據壓縮方案
9. 1. 3 無損圖象壓縮
9. 1. 4 有損圖象壓縮
9. 1. 5 JPEG有損壓縮方法的幾個階段
9. 1. 6 Huffman編碼
9. 1. 7 JPEG圖象壓縮標準
9. 1. 8 MPEG運動圖象壓縮標準
9. 1. 9 JPEG2000標準
9. 2 醫(yī)學圖象存檔. 讀取與通信
9. 2. 1 醫(yī)學圖象信息模型
9. 2. 2 醫(yī)學圖象存檔系統(tǒng)
9. 2. 3 DICOM圖象通信標準
9. 2. 4 檔案軟件組成部件
9. 2. 5 HIS／RIS接口和圖象預取
9. 2. 6 DICOM圖象檔案標準
9. 2. 7 PACS研究應用
9. 3 臨床PACS中的圖象標準化
9. 3. 1 背景消除
9. 3. 2 視覺感知性能的改進
9. 3. 3 圖象方位調整
9. 3. 4 圖象標準化函數在HI-PACS中的實現(xiàn)
9. 4 壓縮醫(yī)學圖象的質量評估
9. 4. 1 平均畸變和PSNR
9. 4. 2 主觀質量分級
9. 4. 3 診斷的準確性和ROC方法學
9. 4. 4 金標準的決定
9. 5 分形圖象壓縮簡介
9. 5. 1 分形圖象壓縮概念
9. 5. 2 迭代函數系統(tǒng)
9. 5. 3 圖象自相似性
9. 5. 4 分割式迭代函數系統(tǒng)
9. 5. 5 圖象編碼
9. 5. 6 分形壓縮示例
9. 5. 7 分形壓縮特點與應用前景
9. 6 用小波變換進行三維圖象壓縮
9. 6. 1 小波理論
9. 6. 2 用小波變換進行三維圖象壓縮
9. 6. 3 用于三維圖象數據集的小波濾波器選擇
第10章 醫(yī)學圖象應用
10. 1 圖象指導治療技術
10. 1. 1 成象技術
10. 1. 2 圖象后處理
10. 1. 3 治療方法及應用
10. 1. 4 IGT的研究趨勢
10. 2 手術計劃和導航
10. 2. 1 高質量的腦圖譜
10. 2. 2 手術工具的建模
10. 2. 3 虛擬內窺鏡圖象
10. 2. 4 立體感可視化與增強現(xiàn)實可視化
10. 2. 5 手術過程中組織的移動
10. 2. 6 三維圖象導航的觸覺接口
10. 3 醫(yī)學虛擬現(xiàn)實及其相關技術
10. 3. 1 虛擬人體和人體器官
10. 3. 2 對象建模和行為仿真
10. 3. 3 顯示和交互作用技術
10. 3. 4 增強現(xiàn)實
附錄 英文縮寫詞索引
鄂公網安備 42010302001612號 