基于深度学习的磁共振图像超分辨率算法的研究
| 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 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本章小结 | 第15-17页 |
| 第2章 理论基础 | 第17-30页 |
| 2.1 深度学习基础 | 第17-23页 |
| 2.1.1 卷积神经网络 | 第17-20页 |
| 2.1.2 网络训练方法 | 第20-23页 |
| 2.1.3 元学习 | 第23页 |
| 2.2 磁共振图像基础 | 第23-27页 |
| 2.2.1 k空间 | 第23-24页 |
| 2.2.2 图像视野(FOV) | 第24-26页 |
| 2.2.3 图像的退化 | 第26-27页 |
| 2.3 图像质量评估方法 | 第27-29页 |
| 2.3.1 主观评价 | 第27页 |
| 2.3.2 客观评价 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于卷积神经网络的磁共振图像超分辨率算法 | 第30-47页 |
| 3.1 特征提取方法 | 第30-33页 |
| 3.1.1 残差连接模块 | 第32-33页 |
| 3.1.2 密集卷积块 | 第33页 |
| 3.2 基于卷积神经网络的超分辨率算法 | 第33-36页 |
| 3.2.1 多通道密集块 | 第34-36页 |
| 3.2.2 网络结构 | 第36页 |
| 3.3 实验设置 | 第36-40页 |
| 3.3.1 数据准备 | 第36-37页 |
| 3.3.2 网络实现细节 | 第37-38页 |
| 3.3.3 关键参数的选择 | 第38-40页 |
| 3.3.4 残差连接验证 | 第40页 |
| 3.4 实验结果分析 | 第40-44页 |
| 3.5 泛化能力验证 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 多放大因子的磁共振图像超分辨率算法 | 第47-59页 |
| 4.1 上采样方法 | 第47-51页 |
| 4.1.1 转置卷积 | 第47-49页 |
| 4.1.2 亚像素卷积 | 第49-50页 |
| 4.1.3 多放大因子上采样模块 | 第50-51页 |
| 4.2 多放大因子的超分辨率算法 | 第51-53页 |
| 4.2.1 权重预测网络 | 第51-52页 |
| 4.2.2 超分辨率网络 | 第52-53页 |
| 4.3 实验设置 | 第53-54页 |
| 4.3.1 数据准备 | 第53页 |
| 4.3.2 网络训练细节 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 在读期间发表的学术论文与取得的研究成果 | 第68页 |
