| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 医学MR图像去噪算法研究现状及存在问题 | 第10-13页 |
| 1.2.1 传统的图像去噪算法 | 第10-11页 |
| 1.2.2 双域滤波图像去噪算法 | 第11-12页 |
| 1.2.3 深度学习图像去噪算法 | 第12-13页 |
| 1.3 论文的研究内容及结构安排 | 第13-17页 |
| 第2章 磁共振成像原理及图像噪声 | 第17-25页 |
| 2.1 磁共振成像原理及图像采集 | 第17-19页 |
| 2.1.1 磁共振影像技术 | 第17-18页 |
| 2.1.2 医学MR图像的采集 | 第18-19页 |
| 2.2 MR图像中的噪声模型分析 | 第19-21页 |
| 2.3 图像去噪原理 | 第21-22页 |
| 2.4 去噪性能评价标准 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 医学MR图像去噪算法概述 | 第25-41页 |
| 3.1 常用的MR图像去噪算法 | 第25-29页 |
| 3.1.1 引导滤波图像去噪算法 | 第25-26页 |
| 3.1.2 双域滤波图像去噪算法 | 第26-28页 |
| 3.1.3 改进非局部均值滤波图像去噪算法 | 第28-29页 |
| 3.2 深度学习相关理论 | 第29-33页 |
| 3.2.1 人工神经网络 | 第29-30页 |
| 3.2.2 激活函数的选取 | 第30-33页 |
| 3.3 卷积神经网络图像去噪 | 第33-35页 |
| 3.3.1 卷积神经网络去噪过程 | 第33-34页 |
| 3.3.2 卷积神经网络训练过程 | 第34-35页 |
| 3.4 深度残差网络图像去噪算法 | 第35-39页 |
| 3.4.1 深度残差学习 | 第35-37页 |
| 3.4.2 网络优化算法 | 第37-38页 |
| 3.4.3 影响神经网络结果的因素 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 基于双域滤波与引导滤波的快速医学MR图像去噪 | 第41-53页 |
| 4.1 双域滤波与引导滤波的快速医学MR图像去噪算法 | 第41-42页 |
| 4.2 Brainweb图像去噪 | 第42-45页 |
| 4.2.1 Brainweb图像实验 | 第43-44页 |
| 4.2.2 图像去噪结果 | 第44-45页 |
| 4.3 仿真图像实验结果及分析 | 第45-51页 |
| 4.3.1 仿真图像实验定性分析 | 第45-47页 |
| 4.3.2 仿真图像实验定量分析 | 第47-51页 |
| 4.4 临床真实MR图像去噪结果及分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 基于深度残差网络的医学MR图像去噪 | 第53-67页 |
| 5.1 本文提出的残差网络去噪模型 | 第53-54页 |
| 5.2 实验数据来源及参数设置 | 第54-56页 |
| 5.2.1 医学图像数据源 | 第54-55页 |
| 5.2.2 参数设置 | 第55-56页 |
| 5.3 仿真图像实验结果及分析 | 第56-63页 |
| 5.3.1 仿真图像实验定性比较 | 第57-61页 |
| 5.3.2 仿真图像实验定量比较 | 第61-63页 |
| 5.4 临床真实MR图像去噪结果及分析 | 第63-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间的科研成果 | 第79页 |