| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 缩略语及符号表 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·基于压缩感知理论的三维 MRI 重建算法的研究现状 | 第11-12页 |
| ·本论文的研究内容 | 第12-14页 |
| 第二章 理论背景和预备知识 | 第14-25页 |
| ·压缩感知理论 | 第14-15页 |
| ·字典学习及稀疏编码算法 | 第15-20页 |
| ·SPARSE LAND 模型在 MRI 重建模型中的引入 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于三维双字典学习的 MRI 稀疏重建算法 | 第25-36页 |
| ·算法框架 | 第25-27页 |
| ·双字典的构造 | 第27-28页 |
| ·稀疏编码 | 第28-29页 |
| ·图像重建与迭代更新 | 第29-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 三维 MRI 重建实验结果及比较 | 第36-68页 |
| ·实验数据及实验条件 | 第36-38页 |
| ·无噪声仿真数据重建 | 第38-44页 |
| ·有噪声仿真数据重建 | 第44-48页 |
| ·前瞻性研究 | 第48-53页 |
| ·双字典、单字典以及三维字典学习与二维字典学习的比较 | 第53-59页 |
| ·各层模板的随机性对重建效果的影响 | 第59-63页 |
| ·算法性能分析 | 第63-66页 |
| ·参数鲁棒性 | 第63-66页 |
| ·实现环境和算法运算时间 | 第66页 |
| ·讨论 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间已发表或录用的论文 | 第74-76页 |
