| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 离线CS-DMRI研究现状 | 第14-16页 |
| 1.2.2 在线CS-DMRI研究现状 | 第16-18页 |
| 1.3 本文研究内容和创新点 | 第18页 |
| 1.4 章节安排 | 第18-20页 |
| 第二章 压缩感知与核磁共振成像 | 第20-33页 |
| 2.1 压缩感知概述 | 第20-25页 |
| 2.1.1 问题描叙 | 第21-22页 |
| 2.1.2 测量矩阵选择 | 第22-24页 |
| 2.1.3 稀疏信号恢复框架 | 第24-25页 |
| 2.1.4 实验与分析 | 第25页 |
| 2.2 核磁共振成像概述 | 第25-30页 |
| 2.2.1 核磁共振现象 | 第26-29页 |
| 2.2.2 空间编码和图像重建 | 第29-30页 |
| 2.3 基于压缩感知的核磁共振成像 | 第30-32页 |
| 2.3.1 CS-MRI图像重建框架 | 第31-32页 |
| 2.3.2 CS-MRI常用的优化算法 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于GMTV的混合CS-DMRI模型 | 第33-57页 |
| 3.1 基于压缩感知的动态核磁共振成像概论 | 第33-35页 |
| 3.2 基于广义多结构全变分正则的混合CS-DMRI | 第35-48页 |
| 3.2.1 符号定义与恢复模型重构 | 第36-37页 |
| 3.2.2 周期变密度下采样与双向参考预测 | 第37-39页 |
| 3.2.3 广义多结构全变分正则 | 第39-41页 |
| 3.2.4 基于GMTV的H-DMRI模型 | 第41-42页 |
| 3.2.5 基于RLSF-PCG的数值算法 | 第42-48页 |
| 3.3 实验与分析 | 第48-56页 |
| 3.3.1 参数设定 | 第48-50页 |
| 3.3.2 结果与分析 | 第50-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于低秩与稀疏元素分离的CS-DMRI模型 | 第57-70页 |
| 4.1 鲁棒主元分析 | 第57-58页 |
| 4.2 基于L+S的CS-DMRI模型 | 第58-60页 |
| 4.3 数值算法 | 第60-63页 |
| 4.4 实验与分析 | 第63-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-73页 |
| 5.1 本文总结 | 第70-72页 |
| 5.2 研究展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-80页 |