醫(yī)學(xué)圖象處理與分析

第1章  醫(yī)學(xué)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(shù)與三維醫(yī)學(xué)圖象                  
 1. 3  PET技術(shù)與功能醫(yī)學(xué)圖象                  
 1. 4  多種成象模式                  
 1. 5  醫(yī)學(xué)圖象后處理概念                  
 第2章  醫(yī)學(xué)圖象基礎(chǔ)                  
 2. 1  圖象數(shù)據(jù)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(zhì)                  
 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(shù)據(jù)集                  
 2. 4. 1  體數(shù)據(jù)集                  
 2. 4. 2  體數(shù)據(jù)文件格式                  
 2. 5  圖象插值技術(shù)                  
 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(xué)圖象增強                  
 3. 1  基本增強技術(shù)                  
 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(shù)                  
 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(shù)據(jù)適配模板濾波                  
 3. 4  二進小波圖象增強技術(shù)                  
 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(shù)字乳腺圖象的對比增強                  
 第4章  醫(yī)學(xué)圖象分割                  
 4. 1  醫(yī)學(xué)圖象分割概念                  
 4. 2  閾值分割技術(shù)                  
 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(shù)                  
 4, 4. 1  單一型鏈結(jié)的區(qū)域增長                  
 4. 4. 2  混合型鏈結(jié)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(shù)                  
 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(xué)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(jīng)網(wǎng)絡(luò)分類                  
 5. 3. 1  Kohonen模型                  
 5. 3. 2  帶有側(cè)反饋的Kohonen網(wǎng)絡(luò)                  
 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(jié)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(jié)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(shù)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(qū)動蛇線法                  
 5. 9. 2  區(qū)域競爭蛇線法                  
 5. 9. 3  圖象的預(yù)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(shù)                  
 5. 10. 3  直方圖基函數(shù)的參數(shù)估算                  
 5. 10. 4  分類方法                  
 5, 10. 5  分類實驗結(jié)果                  
 5. 11  異常腦組織的識別                  
 5. 12  醫(yī)學(xué)圖象分割技術(shù)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(xué)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(xué)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(shù)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(shù)與距離變換                  
 6. 4. 2  圖象分割與代價函數(shù)的優(yōu)化                  
 6. 4. 3  倒角匹配算法的醫(yī)學(xué)應(yīng)用                  
 6. 5  基于最大互信息的多模醫(yī)學(xué)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(shù)最優(yōu)化算法                  
 6. 5. 4  配準結(jié)果的評估                  
 6. 5. 5  實驗結(jié)果                  
 6. 6  結(jié)合互信息與圖象梯度的配準技術(shù)                  
 6. 6. 1  結(jié)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(xué)圖象配準                  
 6. 7. 1  配準原理                  
 6. 7. 2  實驗結(jié)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(jié)果                  
 6. 9  圖象信息融合技術(shù)                  
 6. 9. 1  基于分割的圖象融合法                  
 6. 9. 2  加權(quán)平均法                  
 6. 9. 3  Toet法                  
 6. 9. 4  對比度調(diào)制法                  
 6. 9. 5  小波變換融合法                  
 6. 10  醫(yī)學(xué)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(xué)圖象可視化                  
 7. 1  生物醫(yī)學(xué)三維可視化                  
 7. 2  可視化數(shù)據(jù)基本表示法與基本算法                  
 7. 2. 1  可視化數(shù)據(jù)基本表示法                  
 7. 2. 2  可視化基本算法                  
 7. 3  表面繪制技術(shù)                  
 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(shù)                  
 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(shù)                  
 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(nèi)窺鏡                  
 7. 7. 1  圖象處理和分割                  
 7. 7. 2  用于虛擬內(nèi)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(jié)構(gòu)加速體繪制                  
 7. 7. 5  交互式虛擬內(nèi)窺鏡工具                  
 第8章  醫(yī)學(xué)圖象標準數(shù)據(jù)庫                  
 8. 1  數(shù)字化人腦圖譜技術(shù)                  
 8. 1. 1  數(shù)字化人腦圖譜的概念與特點                  
 8. 1. 2  數(shù)字化人腦圖譜的構(gòu)建方法                  
 8. 1. 3  數(shù)字化人腦圖譜的應(yīng)用                  
 8. 2  數(shù)字化虛擬人體                  
 8. 2. 1  美國可視人計劃                  
 8. 2. 2  VHP數(shù)據(jù)集的處理                  
 8. 2. 3  數(shù)字化虛擬人設(shè)想                  
 8. 2. 4  中國虛擬人的有關(guān)醫(yī)學(xué)圖象方法學(xué)考慮                  
 8. 3  Talairach圖譜                  
 8. 3. 1  Talairach坐標系統(tǒng)                  
 8. 3. 2  數(shù)據(jù)集到Talairach-Tournoux坐標的轉(zhuǎn)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(shù)據(jù)庫                  
 第9章  醫(yī)學(xué)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(shù)字圖象                  
 9. 1. 2  圖象數(shù)據(jù)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(xué)圖象存檔. 讀取與通信                  
 9. 2. 1  醫(yī)學(xué)圖象信息模型                  
 9. 2. 2  醫(yī)學(xué)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(yù)取                  
 9. 2. 6  DICOM圖象檔案標準                  
 9. 2. 7  PACS研究應(yīng)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(diào)整                  
 9. 3. 4  圖象標準化函數(shù)在HI-PACS中的實現(xiàn)                  
 9. 4  壓縮醫(yī)學(xué)圖象的質(zhì)量評估                  
 9. 4. 1  平均畸變和PSNR                  
 9. 4. 2  主觀質(zhì)量分級                  
 9. 4. 3  診斷的準確性和ROC方法學(xué)                  
 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(shù)系統(tǒng)                  
 9. 5. 3  圖象自相似性                  
 9. 5. 4  分割式迭代函數(shù)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(yīng)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(shù)據(jù)集的小波濾波器選擇                  
 第10章  醫(yī)學(xué)圖象應(yīng)用                  
 10. 1  圖象指導(dǎo)治療技術(shù)                  
 10. 1. 1  成象技術(shù)                  
 10. 1. 2  圖象后處理                  
 10. 1. 3  治療方法及應(yīng)用                  
 10. 1. 4  IGT的研究趨勢                  
 10. 2  手術(shù)計劃和導(dǎo)航                  
 10. 2. 1  高質(zhì)量的腦圖譜                  
 10. 2. 2  手術(shù)工具的建模                  
 10. 2. 3  虛擬內(nèi)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(shù)過程中組織的移動                  
 10. 2. 6  三維圖象導(dǎo)航的觸覺接口                  
 10. 3  醫(yī)學(xué)虛擬現(xiàn)實及其相關(guān)技術(shù)                  
 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(shù)                  
 10. 3. 4  增強現(xiàn)實                  
 附錄  英文縮寫詞索引