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

基于ROI-CS的磁共振快速成像技术研究及应用

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第11-19页
    1.1 研究背景及意义第11-12页
        1.1.1 研究背景第11页
        1.1.2 研究意义第11-12页
    1.2 国内外的研究现状及发展第12-16页
        1.2.1 快速磁共振成像技术第12-13页
        1.2.2 动态磁共振成像第13-14页
        1.2.3 实时在线动态磁共振成像第14-15页
        1.2.4 基于ROI磁共振成像方法第15-16页
    1.3 本文研究的主要内容第16-17页
    1.4 本文主要的结构安排第17-19页
第2章 磁共振成像基本理论第19-26页
    2.1 引言第19页
    2.2 磁共振物理第19-22页
        2.2.1 原子核自旋和进动第19-20页
        2.2.2 射频脉冲和磁共振现象第20-21页
        2.2.3 弛豫和弛豫时间第21-22页
    2.3 磁共振信号的采集第22-23页
        2.3.1 层面选择第22页
        2.3.2 空间编码第22-23页
        2.3.3 数据空间k空间第23页
    2.4 磁共振信号的采样方式第23-24页
        2.4.1 采样第23-24页
        2.4.2 动态采样第24页
    2.5 本章小结第24-26页
第3章 基于压缩感知的磁共振快速成像第26-35页
    3.1 引言第26页
    3.2 压缩感知理论基础第26-30页
        3.2.1 压缩感知数学模型第26-27页
        3.2.2 信号稀疏表示第27-28页
        3.2.3 观测矩阵设计第28-29页
        3.2.4 非线性重建算法第29-30页
    3.3 基于压缩感知的磁共振快速成像方法第30-31页
        3.3.1 实现方法第30页
        3.3.2 算法流程第30-31页
    3.4 仿真实验及结果第31-33页
        3.4.1 实验数据第31-32页
        3.4.2 定量分析方法第32页
        3.4.3 实验结果第32-33页
        3.4.4 讨论分析第33页
    3.5 本章小结第33-35页
第4章 基于ROI-CS的动脉磁共振成像技术研究及应用第35-42页
    4.1 引言第35页
    4.2 ROI-CS基本原理第35-37页
        4.2.1 ROI-CS的数学模型第35-36页
        4.2.2 ROI的选取方法第36-37页
    4.3 基于ROI-CS的动脉磁共振成像方法第37页
        4.3.1 实现方法第37页
    4.4 仿真实验及结果第37-41页
        4.4.1 实验数据第37-38页
        4.4.2 算法流程第38页
        4.4.3 定量分析方法第38-39页
        4.4.4 实验结果第39-40页
        4.4.5 讨论分析第40-41页
    4.5 本章小结第41-42页
第5章 基于ROI-CS的实时在线动态磁共振成像技术研究及应用第42-58页
    5.1 引言第42页
    5.2 基于MPOD算法的实时在线动态磁共振成像原理第42-45页
        5.2.1 实时在线成像算法第42-43页
        5.2.2 ME/MC基本原理第43-44页
        5.2.3 MPOD实时在线算法第44-45页
    5.3 ROI-ME/MC实时在线动态磁共振成像原理第45-52页
        5.3.1 ROI-ME/MC基本原理第45-47页
        5.3.2 ROI-ARPS运动估计搜索算法第47-50页
        5.3.3 基于ROI的OBMC运动补偿算法第50-51页
        5.3.4 基于IST的残差图重建算法第51-52页
    5.4 仿真实验及结果第52-57页
        5.4.1 实验数据第52页
        5.4.2 定量分析方法第52-53页
        5.4.3 实验结果第53-57页
        5.4.4 讨论分析第57页
    5.5 本章小结第57-58页
第6章 总结与展望第58-59页
    6.1 工作总结第58页
    6.2 展望第58-59页
致谢第59-60页
参考文献第60-66页
附录第66页

论文共66页,点击 下载论文
上一篇:基于微博社区的有影响力用户发现方法研究
下一篇:基于UE样条的等几何分析