卷积神经网络在磁共振图像重建及质量评价中的应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 磁共振成像简介 | 第10-11页 |
| 1.2 深度学习简介 | 第11-12页 |
| 1.3 卷积神经网络的原理 | 第12-17页 |
| 1.3.1 基本概念 | 第14-16页 |
| 1.3.2 反向传播算法 | 第16-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 第二章 磁共振图像重建中的伪影消除 | 第18-40页 |
| 2.1 欠采图像的伪影消除 | 第18-32页 |
| 2.1.1 背景介绍 | 第18-20页 |
| 2.1.2 实验原理 | 第20-23页 |
| 2.1.3 实验 | 第23页 |
| 2.1.4 结果与讨论 | 第23-32页 |
| 2.2 定量磁化率图像的伪影消除 | 第32-38页 |
| 2.2.1 原理 | 第32-35页 |
| 2.2.2 实验 | 第35-36页 |
| 2.2.3 结果讨论 | 第36-38页 |
| 2.3 总结 | 第38-40页 |
| 第三章 基于深度学习的磁共振图像质量评估 | 第40-50页 |
| 3.1 磁共振图像质量评价的意义 | 第40-41页 |
| 3.2 方法和原理 | 第41-43页 |
| 3.3 实验数据 | 第43-45页 |
| 3.4 实验结果 | 第45-49页 |
| 3.4.1 分割肝脏的实验结果 | 第45-47页 |
| 3.4.2 评价图像质量的实验结果 | 第47-49页 |
| 3.5 结论分析 | 第49-50页 |
| 第四章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间的学术成果 | 第55-56页 |
| 致谢 | 第56-57页 |
