摘要 | 第3-5页 |
ABSTRACT | 第5-7页 |
符号说明 | 第13-15页 |
第一章 绪论 | 第15-21页 |
1.1 本文研究意义和DTI 研究现状 | 第15-18页 |
1.2 本文工作概述 | 第18-21页 |
1.2.1 研究工作要点 | 第18-19页 |
1.2.2 本文章节结构 | 第19-21页 |
第二章 扩散张量成像基础 | 第21-39页 |
2.1 磁共振成像的原理与分析 | 第21-22页 |
2.1.1 磁共振成像 | 第21页 |
2.1.2 弛豫和共振信号的产生 | 第21-22页 |
2.1.2.1 自旋-晶格弛豫 | 第21-22页 |
2.1.2.2 自旋-自旋弛豫 | 第22页 |
2.2 磁共振成像术——快速成像序列 | 第22-23页 |
2.3 扩散成像 | 第23-24页 |
2.3.1 扩散定律 | 第23-24页 |
2.3.2 扩散与梯度场的关系 | 第24页 |
2.4 扩散张量成像 | 第24-32页 |
2.4.1 张量的计算 | 第25-27页 |
2.4.2 扩散张量的特征值和特征向量 | 第27-28页 |
2.4.3 扩散各向异性量的计算 | 第28-32页 |
2.5 扩散张量成像的可视化技术 | 第32-38页 |
2.5.1 大脑结构 | 第33-34页 |
2.5.2 张量图像可视化 | 第34-35页 |
2.5.3 人脑白质纤维追踪 | 第35-36页 |
2.5.4 MedINRIA | 第36-38页 |
2.6 本章小结 | 第38-39页 |
第三章 DTI 的噪声分析 | 第39-45页 |
3.1 赖斯噪声 | 第39-41页 |
3.2 DTI 的噪声性能分析 | 第41-44页 |
3.3 本章小结 | 第44-45页 |
第四章 基于STA 的DTI 图像去噪 | 第45-59页 |
4.1 基本概念 | 第45-52页 |
4.1.1 邻域系统和簇 | 第45-47页 |
4.1.2 Markov 随机场 | 第47页 |
4.1.3 Gibbs 随机场 | 第47-48页 |
4.1.4 Markov-Gibbs 等价性 | 第48页 |
4.1.5 Gaussian MRF 模型 | 第48-49页 |
4.1.6 MAP-MRF 方法 | 第49-51页 |
4.1.7 模拟退火(SA)算法 | 第51-52页 |
4.2 DTI 图像的随机场模型 | 第52-53页 |
4.3 DTI 图像去噪算法 | 第53-54页 |
4.4 实验结果 | 第54-57页 |
4.5 本章小结 | 第57-59页 |
第五章 基于标量偏微分方程的DTI 图像去噪 | 第59-78页 |
5.1 引言 | 第59页 |
5.2 各向同性扩散 | 第59-60页 |
5.3 各向异性扩散方程 | 第60-69页 |
5.3.1 Perona-Malik 各向异性扩散方程 | 第60-65页 |
5.3.1.1 噪声性能参数 | 第62-63页 |
5.3.1.2 模拟数据 | 第63-64页 |
5.3.1.3 真实数据 | 第64-65页 |
5.3.2 具有高斯核的各向异性扩散方程 | 第65-67页 |
5.3.2.1 模拟数据 | 第65-66页 |
5.3.2.2 真实数据 | 第66-67页 |
5.3.3 非高斯核的各向异性扩散方程 | 第67-68页 |
5.3.3.1 模拟数据 | 第67-68页 |
5.3.3.2 真实数据 | 第68页 |
5.3.4 鲁棒统计和各向异性扩散 | 第68-69页 |
5.4 全变分偏微分方程 | 第69-72页 |
5.5 复扩散偏微分方程 | 第72-76页 |
5.5.1 模拟数据 | 第73-74页 |
5.5.2 真实数据 | 第74-75页 |
5.5.3 TV 与复扩散的比较 | 第75-76页 |
5.5.4 结论 | 第76页 |
5.6 仿射不变梯度偏微分方程 | 第76-77页 |
5.7 本章小结 | 第77-78页 |
第六章 基于向量偏微分方程的DTI 图像去噪 | 第78-95页 |
6.1 引言 | 第78页 |
6.2 向量图像扩散以及与向量图像正则化的关系 | 第78-81页 |
6.3 向量几何 | 第81-82页 |
6.4 典型的向量实扩散偏微分方程 | 第82-83页 |
6.5 向量复扩散模型 | 第83页 |
6.6 向量偏微分方程和标量偏微分方程的去噪效果比较 | 第83-87页 |
6.6.1 模拟数据 | 第84-85页 |
6.6.2 真实数据 | 第85-87页 |
6.7 不同类型向量偏微分方程的图像去噪效果比较 | 第87-88页 |
6.8 基于AIG 的向量图像非线性各向异性平滑方法 | 第88-94页 |
6.8.1 AINAD 向量模型 | 第89-91页 |
6.8.2 实验及其结果 | 第91-94页 |
6.8.2.1 模拟数据 | 第91-92页 |
6.8.2.2 真实数据 | 第92-94页 |
6.9 本章小结 | 第94-95页 |
第七章 基于多通道向量小波的DTI 图像去噪 | 第95-108页 |
7.1 引言 | 第95页 |
7.2 小波变换 | 第95-99页 |
7.2.1 基本原理 | 第95-96页 |
7.2.2 正交小波基与多分辨分析 | 第96-97页 |
7.2.3 二维离散小波变换 | 第97-99页 |
7.3 小波图像处理 | 第99-100页 |
7.4 MRI 图像的小波去噪方法 | 第100-102页 |
7.5 基于多通道小波的图像去噪方法 | 第102-103页 |
7.6 基于多通道向量小波的DWI 图像去噪方法 | 第103-107页 |
7.6.1 算法步骤 | 第104页 |
7.6.2 实验及其结果 | 第104-107页 |
7.6.2.1 模拟数据 | 第105-106页 |
7.6.2.2 实际数据 | 第106-107页 |
7.6.2.3 结论 | 第107页 |
7.7 本章小结 | 第107-108页 |
第八章 基于混合滤波模型的DTI 图像去噪 | 第108-117页 |
8.1 引言 | 第108-109页 |
8.2 多通道向量小波与向量复扩散滤波方法比较 | 第109-111页 |
8.2.1 模拟数据 | 第109-111页 |
8.2.2 真实数据 | 第111页 |
8.2.3 结论 | 第111页 |
8.3 基于改进的扩散方程的向量小波混合滤波方法 | 第111-115页 |
8.3.1 混合滤波模型 | 第111-112页 |
8.3.2 实验及其结果 | 第112-115页 |
8.3.2.1 模拟数据 | 第112-113页 |
8.3.2.2 实际数据 | 第113-115页 |
8.4 基于复扩散的向量小波去噪方法 | 第115-116页 |
8.5 本章小结 | 第116-117页 |
第九章 结论及展望 | 第117-120页 |
9.1 论文主要研究成果与创新点 | 第117-118页 |
9.2 展望 | 第118-120页 |
参考文献 | 第120-134页 |
攻读博士学位期间已发表或录用的论文 | 第134-136页 |
攻读博士学位期间参与的科研项目 | 第136-137页 |
致谢 | 第137-139页 |