首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

MRI快速成像若干研究

摘要第5-6页
Abstract第6页
第1章 绪论第11-19页
    1.1 本论文研究的目的和意义第11-12页
    1.2 国内外研究现状及发展趋势第12-17页
        1.2.1 CS理论框架第12-14页
        1.2.2 基于K空间的快速磁共振成像第14-16页
        1.2.3 CS理论、半傅里叶成像以及并行成像技术的结合研究第16-17页
    1.3 本文主要研究内容及结构安排第17-19页
        1.3.1 主要研究内容第17页
        1.3.2 结构安排第17-19页
第2章 磁共振成像第19-31页
    2.1 共振及成像第19-20页
        2.1.1 共振原理第19页
        2.1.2 成像原理第19-20页
    2.2 K空间第20-23页
        2.2.1 K空间概念第20-21页
        2.2.2 K空间特性第21-22页
        2.2.3 K空间采样第22-23页
    2.3 半傅里叶成像第23-26页
        2.3.1 Homodyne第23-25页
        2.3.2 POCS第25-26页
    2.4 并行成像第26-30页
        2.4.1 SENSE第28-29页
        2.4.2 GRAPPA第29-30页
    2.5 本章小结第30-31页
第3章 压缩感知、半傅里叶以及并行成像的组合MRI第31-46页
    3.1 压缩感知与MRI第31页
    3.2 CS-MRI稀疏表示第31-38页
        3.2.1 小波变换第31-34页
        3.2.2 Curvelet变换第34-35页
        3.2.3 Contourlet变换第35-38页
    3.3 CS-MRI重建第38-41页
        3.3.1 CG算法第38-39页
        3.3.2 FISTA算法第39-40页
        3.3.3 FCSA算法第40-41页
    3.4 CS、PF以及PI的组合MRI第41-45页
        3.4.1 CS-SENSE第42-43页
        3.4.2 PF-CS-SENSE第43-45页
    3.5 本章小结第45-46页
第4章 基于双树小波的组合MRI第46-57页
    4.1 组合MRI的改进第46页
    4.2 基于双树小波的组合MRI第46-51页
        4.2.1 稀疏表示第47-49页
        4.2.2 重建算法第49-51页
    4.3 实验结果第51-56页
        4.3.1 实验数据第51页
        4.3.2 不同方法的比较第51-52页
        4.3.3 实验结果及分析第52-56页
    4.4 本章小结第56-57页
第5章 基于CONTOURLET变换的组合MRI第57-67页
    5.1 基于FICOTA算法的CS-MRI第57-58页
    5.2 基于Contourlet的组合MRI第58-60页
        5.2.1 稀疏表示第58-59页
        5.2.2 重建算法第59-60页
    5.3 快速组合MRI第60-62页
        5.3.1 快速组合MRI采样第60-61页
        5.3.2 快速组合MRI重建第61-62页
    5.4 实验结果第62-66页
        5.4.1 实验数据第62-63页
        5.4.2 不同方法的比较第63页
        5.4.3 实验结果及分析第63-66页
    5.5 本章小结第66-67页
结论第67-69页
参考文献第69-72页
攻读学位期间发表论文与研究成果清单第72-73页
致谢第73页

论文共73页,点击 下载论文
上一篇:渭河流域水分生产效率遥感模型构建与估算研究
下一篇:混沌雷达波形设计及弱信号检测研究