脑白质纤维群智能跟踪算法研究及可视化系统开发
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究意义及背景 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·核磁共振成像技术研究进展 | 第13-14页 |
| ·白质纤维跟踪技术研究进展 | 第14-15页 |
| ·纤维可视化应用研究进展 | 第15-16页 |
| ·本文主要研究内容和章节安排 | 第16-19页 |
| ·本文研究内容 | 第16-17页 |
| ·章节安排 | 第17-19页 |
| 第2章 DW-MRI成像及纤维跟踪技术研究进展 | 第19-33页 |
| ·扩散加权成像技术(DWI) | 第19-20页 |
| ·扩散张量成像技术(DTI) | 第20-23页 |
| ·高角度分辨率成像技术(HARDI) | 第23-28页 |
| ·Q-ball成像 | 第23-28页 |
| ·脑白质纤维跟踪技术 | 第28-32页 |
| ·确定性跟踪方法 | 第28-29页 |
| ·概率性跟踪方法 | 第29-30页 |
| ·纤维跟踪技术的临床应用 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于高斯还原的球面反卷积成像方法 | 第33-41页 |
| ·高斯球面反卷积成像 | 第33-37页 |
| ·信号响应函数 | 第34页 |
| ·最小平方误差准则能量函数 | 第34页 |
| ·非线性系统优化求解 | 第34-35页 |
| ·高斯函数还原 | 第35-37页 |
| ·实验分析与比较 | 第37-40页 |
| ·合成数据实验 | 第37-39页 |
| ·实际数据实验 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 群智能概率纤维跟踪方法 | 第41-51页 |
| ·全局纤维价值函数度量指标 | 第41-42页 |
| ·局部纤维价值函数模型 | 第42-43页 |
| ·群智能跟踪核心过程 | 第43-45页 |
| ·信息素存储 | 第44页 |
| ·纤维方向选择 | 第44-45页 |
| ·信息素更新 | 第45页 |
| ·概率连接图谱计算 | 第45-46页 |
| ·算法框架 | 第46页 |
| ·实验及结果分析 | 第46-49页 |
| ·合成数据实验 | 第46-48页 |
| ·实际数据实验 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 脑纤维三维可视化软件 | 第51-57页 |
| ·软件框架 | 第51-53页 |
| ·软件界面及功能 | 第53-55页 |
| ·软件界面 | 第53-54页 |
| ·软件功能 | 第54-55页 |
| ·鼠脑数据实验 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-59页 |
| ·研究结论 | 第57-58页 |
| ·研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加的科研项目和成果 | 第64-65页 |
