| 摘要 | 第3-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第17-26页 |
| 1.1 CT灌注成像技术简介 | 第17-18页 |
| 1.2 CT灌注成像技术的优势 | 第18页 |
| 1.3 研究背景 | 第18-20页 |
| 1.4 研究意义 | 第20页 |
| 1.5 国内外研究现状 | 第20-24页 |
| 1.5.1 源于扫描协议的低剂量Brain-CTP成像方法 | 第20-21页 |
| 1.5.2 源于软件的低剂量Brain-CTP图像重建方法 | 第21-24页 |
| 1.6 研究内容与文章结构 | 第24-26页 |
| 第二章 灌注成像的基本原理 | 第26-38页 |
| 2.1 组织水平的微循环模型 | 第26-29页 |
| 2.2 示踪剂稀释原理 | 第29-31页 |
| 2.3 去卷积算法 | 第31-36页 |
| 2.3.1 SVD算法 | 第32-34页 |
| 2.3.2 cSVD算法 | 第34-35页 |
| 2.3.3 TSVD和Tikhonov正则化 | 第35-36页 |
| 2.4 非去卷积算法 | 第36-38页 |
| 2.4.1 瞬间法 | 第36页 |
| 2.4.2 最大斜率法 | 第36-38页 |
| 第三章 基于低秩和全变差正则化的低剂量CTP去卷积 | 第38-53页 |
| 3.1 引言 | 第38-39页 |
| 3.2 灌注参数模型 | 第39-40页 |
| 3.3 低秩和稀疏先验 | 第40-42页 |
| 3.3.1 低秩正则化 | 第40-41页 |
| 3.3.2 稀疏先验 | 第41-42页 |
| 3.4 优化算法 | 第42-44页 |
| 3.5 实验设计 | 第44-47页 |
| 3.5.1 数字体模 | 第44-46页 |
| 3.5.2 临床数据 | 第46-47页 |
| 3.6 实验结果 | 第47-52页 |
| 3.6.1 数字体模分析 | 第47-50页 |
| 3.6.2 临床数据分析 | 第50-52页 |
| 3.7 结论与讨论 | 第52-53页 |
| 第四章 基于稀疏低秩先验的低剂量Brain-CTP图像恢复 | 第53-65页 |
| 4.1 引言 | 第53-54页 |
| 4.2 低秩矩阵分解 | 第54-55页 |
| 4.3 SLMD模型 | 第55-57页 |
| 4.4 优化方法 | 第57-58页 |
| 4.5 实验与结果 | 第58-63页 |
| 4.5.1 实验设计 | 第58-60页 |
| 4.5.2 实验结果 | 第60-63页 |
| 4.6 结论与讨论 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-75页 |
| 硕士期间学术成果 | 第75-76页 |
| 致谢 | 第76-77页 |
