| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 能谱CT技术的发展 | 第9-11页 |
| 1.1.1 能谱CT扫描系统的发展 | 第9-10页 |
| 1.1.2 能谱CT重建算法的发展 | 第10-11页 |
| 1.2 课题研究意义及研究现状 | 第11页 |
| 1.3 本文研究内容 | 第11-13页 |
| 第2章 能谱CT重建基本原理 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 传统CT重建算法基础 | 第13-17页 |
| 2.3 能谱CT成像技术基本原理 | 第17-18页 |
| 2.4 本章小结 | 第18-21页 |
| 第3章 基物质分解算法的研究 | 第21-51页 |
| 3.1 引言 | 第21页 |
| 3.2 基于投影匹配的X射线双能谱投影分解算法 | 第21-22页 |
| 3.3 基于投影匹配的双能谱投影分解加速算法 | 第22-34页 |
| 3.3.1 基于直线拟合查找表数据的加速投影分解算法 | 第23-27页 |
| 3.3.2 基于平面拟合查找表数据的加速投影分解算法 | 第27-31页 |
| 3.3.3 直线-平面混合拟合加速投影分解算法 | 第31-32页 |
| 3.3.4 加速投影分解算法的分段拟合 | 第32-34页 |
| 3.3.5 加速投影分解算法的总结 | 第34页 |
| 3.4 基于梯度下降法的双能谱CT投影分解算法 | 第34-40页 |
| 3.4.1 双物质分解算法 | 第35-36页 |
| 3.4.2 三物质分解算法 | 第36-37页 |
| 3.4.3 Armijo-Goldstein法则搜索梯度下降步长 | 第37-39页 |
| 3.4.4 基于梯度下降法的双能谱CT投影分解算法的总结 | 第39-40页 |
| 3.5 基于遗传算法的双能谱CT投影分解算法 | 第40-47页 |
| 3.5.1 遗传算法的基本原理 | 第40-43页 |
| 3.5.2 适应度函数 | 第43-44页 |
| 3.5.3 自然选择 | 第44-45页 |
| 3.5.4 基因重组 | 第45-46页 |
| 3.5.5 基因突变 | 第46页 |
| 3.5.6 基于遗传算法的双能谱CT投影分解算法的总结 | 第46-47页 |
| 3.6 全变差最小化TV算法 | 第47-49页 |
| 3.7 多能谱CT投影分解算法 | 第49-50页 |
| 3.8 本章小结 | 第50-51页 |
| 第4章 分解算法验证、分析与讨论 | 第51-71页 |
| 4.1 引言 | 第51页 |
| 4.2 实验环境和条件说明 | 第51页 |
| 4.3 仿真和模拟数据的产生 | 第51-56页 |
| 4.3.1 MATLAB仿真产生投影数据 | 第51-54页 |
| 4.3.2 GATE模拟产生投影数据 | 第54-55页 |
| 4.3.3 SPECPRO软件产生X射线能谱数据 | 第55-56页 |
| 4.4 算法实验结果 | 第56-69页 |
| 4.4.1 基于投影匹配分解算法 | 第56-62页 |
| 4.4.2 基于梯度下降法的双能谱CT投影分解算法 | 第62-66页 |
| 4.4.3 基于遗传算法的双能谱CT投影分解算法 | 第66-68页 |
| 4.4.4 全变差TV降噪算法 | 第68-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 文章总结 | 第71-72页 |
| 5.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间发表的论著 | 第76页 |
