基于扩散张量图像的脑白质纤维跟踪方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本课题主要研究内容 | 第13页 |
| 1.4 论文结构 | 第13-16页 |
| 第2章 磁共振扩散张量成像 | 第16-28页 |
| 2.1 扩散及核磁共振成像 | 第16-21页 |
| 2.1.1 扩散 | 第16-17页 |
| 2.1.2 核磁共振原理 | 第17-18页 |
| 2.1.3 扩散对核磁共振信号的影响 | 第18-21页 |
| 2.2 扩散张量成像 | 第21-23页 |
| 2.2.1 扩散加权成像 | 第21-22页 |
| 2.2.2 扩散张量成像 | 第22-23页 |
| 2.3 扩散张量参数 | 第23-28页 |
| 2.3.1 扩散张量D | 第23-24页 |
| 2.3.2 平均扩散率 | 第24-25页 |
| 2.3.3 各向异性参数 | 第25-28页 |
| 第3章 神经纤维跟踪算法 | 第28-40页 |
| 3.1 纤维连续跟踪算法 | 第28-31页 |
| 3.1.1 FACT算法的原理 | 第28-30页 |
| 3.1.2 FACT算法的特点 | 第30-31页 |
| 3.2 张量线算法 | 第31-32页 |
| 3.2.1 Tensorline算法的原理 | 第31-32页 |
| 3.2.2 Tensorline算法的特点 | 第32页 |
| 3.3 向量选择算法 | 第32-34页 |
| 3.3.1 VCT算法的原理 | 第33-34页 |
| 3.3.2 VCT算法的特点 | 第34页 |
| 3.4 概率跟踪算法 | 第34-37页 |
| 3.4.1 概率跟踪算法的原理 | 第35-37页 |
| 3.4.2 概率跟踪算法的特点 | 第37页 |
| 3.5 基于阈值的快速概率跟踪算法 | 第37-40页 |
| 第4章 神经纤维重建实验及结果分析 | 第40-54页 |
| 4.1 实验数据 | 第40-41页 |
| 4.2 实验方法 | 第41-42页 |
| 4.3 实验讨论与分析 | 第42-54页 |
| 4.3.1 分叉识别能力的验证 | 第42-46页 |
| 4.3.2 跟踪效率的验证 | 第46-49页 |
| 4.3.3 整体效果比较 | 第49-53页 |
| 4.3.4 实验分析 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A (发表的论文和科研情况说明) | 第62页 |
