| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 血管重建技术的研究现状 | 第12-13页 |
| 1.2.2 MIP技术的研究现状 | 第13-15页 |
| 1.3 MIP算法的性能评估标准 | 第15页 |
| 1.4 本文的研究内容与结构 | 第15-17页 |
| 第二章 基于MIP的脑部血管造影图像处理及重建算法分析 | 第17-31页 |
| 2.1 磁共振血管造影介绍 | 第17页 |
| 2.2 二维血管造影图像预处理 | 第17-21页 |
| 2.2.1 血管造影图像的噪声抑制 | 第18-19页 |
| 2.2.2 血管造影图像的目标增强 | 第19-21页 |
| 2.3 MIP算法简介 | 第21页 |
| 2.4 经典的光线投射实现MIP重建 | 第21-26页 |
| 2.4.1 光线投射算法模型 | 第21-23页 |
| 2.4.2 光线投射MIP算法分析 | 第23-24页 |
| 2.4.3 包围盒对光线的裁剪 | 第24-25页 |
| 2.4.4 三线性插值计算 | 第25-26页 |
| 2.4.5 光线投射实现MIP的步骤 | 第26页 |
| 2.5 MIP重建算法实验测试分析 | 第26-30页 |
| 2.5.1 MIP重建优势分析 | 第26-28页 |
| 2.5.2 MIP重建不足分析 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于局部最大平均值的小血管修复MIP算法 | 第31-54页 |
| 3.1 一种小血管修复的局部最大平均值算法 | 第31-37页 |
| 3.1.1 体素模型及小血管分析 | 第31-33页 |
| 3.1.2 局部最大平均值算法的数学模型推导 | 第33-36页 |
| 3.1.3 局部最大平均值算法的实现步骤 | 第36-37页 |
| 3.2 LMM-MIP算法与MIP算法对比分析 | 第37-45页 |
| 3.2.1 LMM-MIP算法的性能分析 | 第37-42页 |
| 3.2.2 LMM-MIP算法的优势与不足 | 第42-45页 |
| 3.3 一种改进的基于LMM-MIP与MIP结合的方法 | 第45-47页 |
| 3.4 实验测试及结果分析 | 第47-52页 |
| 3.4.1 实验数据 | 第47页 |
| 3.4.2 实验流程 | 第47-48页 |
| 3.4.3 实验结果分析 | 第48-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于CUDA与错切变形技术实现的MIP算法加速 | 第54-76页 |
| 4.1 基于错切变形算法实现的MIP重建 | 第54-61页 |
| 4.1.1 错切变形算法的原理 | 第54-55页 |
| 4.1.2 空间坐标系的定义 | 第55-57页 |
| 4.1.3 视见矩阵的分解 | 第57-60页 |
| 4.1.4 错切变形实现MIP的步骤 | 第60-61页 |
| 4.2 CUDA平台下错切变形实现的MIP重建 | 第61-69页 |
| 4.2.1 CUDA平台的介绍 | 第61-63页 |
| 4.2.2 改进的错切变形实现MIP重建 | 第63-67页 |
| 4.2.3 改进前后算法对比分析 | 第67-68页 |
| 4.2.4 改进后的算法在CUDA平台上的实现 | 第68-69页 |
| 4.3 实验结果与分析 | 第69-75页 |
| 4.3.1 实验流程 | 第69-70页 |
| 4.3.2 MIP测试结果分析 | 第70-73页 |
| 4.3.3 LMM-MIP测试结果分析 | 第73-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76页 |
| 5.2 后续工作展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
