| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 目的和意义 | 第11页 |
| 1.2 国内外研究进展 | 第11-15页 |
| 1.2.1 基于字典学习的快速磁共振成像的发展状况 | 第11-13页 |
| 1.2.2 心脏磁共振成像研究现状 | 第13-14页 |
| 1.2.3 基于GPU硬件加速的重建 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第2章 磁共振成像基本原理 | 第17-24页 |
| 2.1 磁共振物理原理 | 第17-20页 |
| 2.1.1 自旋现象 | 第17页 |
| 2.1.2 进动与拉莫方程 | 第17-18页 |
| 2.1.3 共振现象 | 第18-19页 |
| 2.1.4 弛豫过程 | 第19-20页 |
| 2.1.5 信号的产生 | 第20页 |
| 2.2 磁共振图像的建立 | 第20-23页 |
| 2.2.1 层面选择 | 第20-21页 |
| 2.2.2 空间编码 | 第21-22页 |
| 2.2.3 了解k-空间 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于压缩感知的快速磁共振成像原理 | 第24-31页 |
| 3.1 引言 | 第24页 |
| 3.2 压缩感知基本理论 | 第24-25页 |
| 3.3 基于压缩感知的快速磁共振成像原理 | 第25-27页 |
| 3.3.1 稀疏表示 | 第25-26页 |
| 3.3.2 欠采样方式 | 第26-27页 |
| 3.3.3 图像重建算法 | 第27页 |
| 3.4 基于小波变换的CS-MRI实现 | 第27-29页 |
| 3.4.1 实现方法 | 第27-28页 |
| 3.4.2 重建算法流程 | 第28-29页 |
| 3.4.3 仿真实验 | 第29页 |
| 3.5 本章小结 | 第29-31页 |
| 第4章 基于双字典学习的磁共振快速成像技术研究 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 字典学习原理 | 第31-34页 |
| 4.2.1 原子的抽取 | 第32页 |
| 4.2.2 Spare Land模型在MRI中的应用 | 第32-34页 |
| 4.3 基于双字典学习的CS-MRI的重建算法 | 第34-38页 |
| 4.3.1 算法框架 | 第34页 |
| 4.3.2 字典学习 | 第34-35页 |
| 4.3.3 稀疏编码 | 第35-36页 |
| 4.3.4 图像迭代与重建 | 第36-38页 |
| 4.4 仿真实验及结果 | 第38-41页 |
| 4.4.1 实验数据 | 第38页 |
| 4.4.2 仿真实验方法 | 第38页 |
| 4.4.3 参数设定 | 第38-39页 |
| 4.4.4 定量评估标准 | 第39页 |
| 4.4.5 实验结果 | 第39-41页 |
| 4.4.6 讨论与总结 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 第5章 基于GPU加速的磁共振快速成像技术研究 | 第43-54页 |
| 5.1 引言 | 第43页 |
| 5.2 GPU并行计算 | 第43-46页 |
| 5.2.1 基于C语言环境下的CUDA应用 | 第43-45页 |
| 5.2.2 基于MATLAB环境下JACKET应用 | 第45页 |
| 5.2.3 基于MATLAB环境下PCT应用 | 第45-46页 |
| 5.3 基于GPU加速的磁共振快速成像 | 第46-47页 |
| 5.4 仿真实验及结果 | 第47-53页 |
| 5.4.1 二维MR数据仿真实验 | 第47-48页 |
| 5.4.2 实验结果 | 第48-50页 |
| 5.4.3 三维MR数据仿真实验 | 第50-51页 |
| 5.4.4 实验结果 | 第51-52页 |
| 5.4.5 结果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
