1. 毕业设计（论文）主要目标：
1.了解肾脏CT图像分割的研究意义；2.掌握经典的带空间信息的核模糊C均值算法和GrowCut算法；3.掌握层次化的肾脏分割方法，即将SKFCM和IGC算法相结合的混合算法;4.了解科研论文撰写的基本要领，培养撰写科研论文的基本能力，为今后的科学研究打下良好的基础。
2. 毕业设计（论文）主要内容：
本毕业论文主要研究一种基于图割模型的肾脏CT图像分割方法，研究的具体内容主要包括：1.阐述基于带空间信息的核模糊C均值算法和GrowCut算法的基本原理；2.建立肾脏区域的层次化分割方法.，包含粗分割与精分割两个阶段；3.设计粗分割的SKFCM算法与精分割的图割算法； 3.建立肾脏图像数据集，验证该分割方法的有效性和准确性并分析性能指标。
3. 主要参考文献
1. Pham DL, Xu C, Prince JL: Current methods in medical image segmentation. Annu Rev Biomed Eng 2000, 2:315-338.2.陈鑫,基于图割和水平集的肺部CT图像分割研究.《重庆大学》,20153.Tsagaan B, Shimizu A, Kobatake H, Miyakawa K, Hanzawa Y: Segmentation of kidney by using a deformable model. In in Int Conf Image Processing. Volume 3. Thessaloniki, Greece; 2001:1059-1062. 4. Tsagaan B, Shimizu A, Kobatake H, Miyakawa K: An automated segmentation method of kidney using statistical information. in Proc Medical Image Computing and ComputerAssisted Intervention 2002, 1:556-563.5.Bezdek JC: Pattern Recognition with Fuzzy Objective Function Algorithms. New York:Plenum; 1981.6.时永刚,谭继双,刘志文,基于图割和水平集的肾脏医学图像分割,《计算机科学》,2016,43(7):290-293. 7. Udupa JK, Samarasekera S: Fuzzy connectedness and objectdefinition:theory, algorithm and applications in image segmentation. Graph Models Image Process 1996, 58(3):246-261.8.Zhang DQ, Chen S, et al: A novel kernelized fuzzy c-means algorithmwith application in medical image segmentation. artificial intelligence inmedicine 2004, 32:37-50.9. Li BN, Chui C, Chang S, et al: Integrating spatial fuzzy clustering with level set methods for automated medical image segmentation.10.王晓红,赵于前,廖苗,刘苗苗,基于空间模糊C均值与区域生长的腹部CT序列图像肾脏自动分割.《中南大学学报（自然科学版)》，2014(10):3463-3469.11.廖苗,赵于前,曾业战,黄中朝,邹北骥,基于图割和边缘行进的肝脏CT序列图像分割,《电子与信息学报,2016,38(6)》.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
