本书的主要工作是提出了几种基于传统脉冲神经网络的改进模型及其算法，并通过实验验证了网络结构及其学习算法的有效性。
全书共五章，主要内容包括：
第1章介绍了在医学处理领域，医学图像分割、医学图像配准、医学图像融合的相关概念及研究意义简述，并且详细阐述了本书的研究重点。
第2章介绍了脉冲耦合神经网络研究现状和基本概念，脉冲耦合神经网络的改进模型在医学图像分割、医学图像配准、医学图像处理融合的应用以及存在的问题，脉冲耦合神经网络点火机制与功能特性、参数优化算法，基本特征等。
第3章介绍了采用2D-PCNN、Canny算子、loG算子、分水岭和Otsu算法对医学图像进行分割实验，进行了MR和CT图像的仿真，在传统PCNN的基础上提出改进的3D-PCNN模型，并进行了三维MR和三维CT医学图像的分割。
第4章介绍了基于自适应PCNN和互信息的2D-2D医学图像配准方法，并在此基础上，扩展为3D-PCNN模型，通过实验验证具体的可行性。
第5章分别介绍了基于自适应脉冲耦合神经网络的MDE-PCNN算法进一步提出了基于QPSO算法的PCNN算法以及基于Shearlet算法的图像融合算法。

第1章 绪论
1.1 医学图像分割概述
1.2 医学图像配准概述
1.3 医学图像融合概述
1.4 本书的研究重点
第2章 脉冲耦合神经网络概述
2.1 脉冲耦合神经网络的研究现状
2.2 PCNN模型简介
2.3 PCNN点火机理与功能特性
2.4 PCNN的参数优化方法
2.5 脉冲耦合神经网络的主要特征
2.6 小结
第3章 医学图像分割
3.1 医学图像分割方法及评估
3.2 基于2D-PCNN的医学图像分割
3.3 基于3D-PCNN的医学图像分割
3.4 医学图像分割的原型系统
3.5 小结
第4章 医学图像配准
4.1 医学配准方法
4.2 基于自适应PCNN和互信息的2D-2D医学图像配准方法
4.3 基于优化的3D-PCNN和互信息的3D-3D医学图像配准方法
4.4 医学图像配准原型系统
4.5 小结
第5章 医学图像融合
5.1 图像融合级别及评价
5.2 基于自适应脉冲耦合神经网络的医学图像融合研究
5.3 基于QPSO的脉冲耦合神经网络的医学图像融合
5.4 基于shearlet变换的医学图像融合
5.5 多模态医学图像融合原型系统
5.6 小结
参考文献