| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-26页 |
| 1.1 课题研究的背景与意义 | 第13-14页 |
| 1.2 CT基本原理与结构 | 第14-18页 |
| 1.2.1 CT系统结构 | 第14-16页 |
| 1.2.2 X射线与物质的相互作用 | 第16-18页 |
| 1.3 散射伪影的产生与校正 | 第18-24页 |
| 1.3.1 散射伪影的产生和表现形式 | 第18-19页 |
| 1.3.2 散射伪影校正的国内外研究现状 | 第19-24页 |
| 1.4 课题研究内容与结构安排 | 第24-26页 |
| 第二章 基于K-N公式的散射伪影校正 | 第26-35页 |
| 2.1 引言 | 第26页 |
| 2.2 K-N公式 | 第26-27页 |
| 2.3 基于K-N公式的散射伪影校正方法 | 第27-30页 |
| 2.4 实验结果与分析 | 第30-34页 |
| 2.4.1 仿真实验与结果 | 第30-32页 |
| 2.4.2 实际实验 | 第32-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 基于散射校正板的散射伪影校正方法 | 第35-44页 |
| 3.1 CT扫描中的数据冗余性 | 第35-36页 |
| 3.2 基于全扫描的固定散射校正板方法 | 第36-38页 |
| 3.3 基于局部滤波算子的散射校正板方法 | 第38-41页 |
| 3.3.1 散射估计和校正 | 第39页 |
| 3.3.2 基于局部滤波算子的重建方法 | 第39-41页 |
| 3.4 结果与分析 | 第41-43页 |
| 3.5 小结 | 第43-44页 |
| 第四章 基于卷积神经网络的锥束CT图像散射伪影校正方法研究 | 第44-53页 |
| 4.1 卷积神经网络简介及其在CT方面的应用 | 第44-45页 |
| 4.2 样本的快速仿真方法 | 第45-48页 |
| 4.3 基于深度残差网络的散射伪影校正方法 | 第48-50页 |
| 4.4 结果与分析 | 第50-52页 |
| 4.4.1 样本准备与实验条件 | 第50-51页 |
| 4.4.2 训练结果与分析 | 第51-52页 |
| 4.5 小结 | 第52-53页 |
| 第五章 总结和展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者简历 | 第63页 |