基于球面反卷积稀疏成像的脑白质纤维跟踪算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 纤维方向分布模型研究现状 | 第13-15页 |
| 1.2.2 纤维跟踪方法研究现状 | 第15-16页 |
| 1.3 本文主要研究内容及全文章节安排 | 第16-18页 |
| 1.3.1 本文研究内容 | 第16-17页 |
| 1.3.2 章节安排 | 第17-18页 |
| 第2章 球面反卷积成像模型 | 第18-27页 |
| 2.1 扩散磁共振成像 | 第18-22页 |
| 2.1.1 扩散加权成像 | 第18-19页 |
| 2.1.2 扩散张量成像 | 第19-22页 |
| 2.2 球面反卷积成像 | 第22-26页 |
| 2.2.1 扩散磁共振信号的球面卷积表示 | 第23页 |
| 2.2.2 信号响应函数 | 第23-24页 |
| 2.2.3 纤维方向分布函数的求解 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 球面反卷积稀疏成像方法 | 第27-39页 |
| 3.1 压缩感知理论 | 第27-29页 |
| 3.1.1 压缩采样 | 第27-28页 |
| 3.1.2 稀疏还原 | 第28-29页 |
| 3.2 稀疏成像算法 | 第29-31页 |
| 3.2.1 稀疏成像模型 | 第29-30页 |
| 3.2.2 基于稀疏字典学习的反卷积优化算法 | 第30-31页 |
| 3.3 实验及结果分析 | 第31-37页 |
| 3.3.1 模拟数据实验 | 第31-35页 |
| 3.3.2 合成数据实验 | 第35-36页 |
| 3.3.3 实际数据实验 | 第36-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 脑白质纤维跟踪方法 | 第39-57页 |
| 4.1 确定性跟踪法 | 第39-44页 |
| 4.1.1 基于DTI模型的流线型跟踪算法 | 第39-41页 |
| 4.1.2 基于SSD模型的流线型跟踪算法 | 第41-42页 |
| 4.1.3 算法流程 | 第42-44页 |
| 4.2 概率性跟踪法 | 第44-49页 |
| 4.2.1 全局纤维模型的建立 | 第44-45页 |
| 4.2.2 局部纤维模型的建立 | 第45-47页 |
| 4.2.3 全局纤维概率图谱的绘制 | 第47页 |
| 4.2.4 算法流程 | 第47-49页 |
| 4.3 实验结果及对比分析 | 第49-56页 |
| 4.3.1 合成数据实验 | 第49-53页 |
| 4.3.2 实际数据实验 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 全文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 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页 |
