| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-25页 |
| 1.1 选题背景与意义 | 第9-10页 |
| 1.2 X射线计算机断层成像技术 | 第10-20页 |
| 1.2.1 X射线的产生和基本性质 | 第10-14页 |
| 1.2.2 CT成像系统介绍 | 第14-17页 |
| 1.2.3 CT成像系统的发展 | 第17-20页 |
| 1.3 低剂量CT图像重建算法研究现状 | 第20-23页 |
| 1.3.1 针对图像的低剂量CT重建算法 | 第20-21页 |
| 1.3.2 针对投影数据的低剂量CT重建算法 | 第21-23页 |
| 1.4 论文主要贡献及组织框架 | 第23-25页 |
| 第二章 生成对抗性网络理论基础 | 第25-29页 |
| 2.1 原理介绍 | 第25-27页 |
| 2.2 生成对抗性网络的优势与缺陷 | 第27页 |
| 2.3 生成对抗性网络的改进方式 | 第27-29页 |
| 第三章 基于生成对抗性网络的低剂量CT重建算法 | 第29-59页 |
| 3.1 生成网络构建 | 第29-32页 |
| 3.2 判别网络构建 | 第32-33页 |
| 3.3 损失函数 | 第33-37页 |
| 3.3.1 梯度下降算法及步长计算 | 第33-35页 |
| 3.3.2 Batch Size的选择 | 第35-37页 |
| 3.4 CT图像重建 | 第37-38页 |
| 3.5 实验结果和分析 | 第38-59页 |
| 3.5.1 有限角度CT图像重建 | 第38-49页 |
| 3.5.2 截断数据CT图像重建 | 第49-59页 |
| 第四章 基于联合损失函数的低剂量CT重建算法 | 第59-75页 |
| 4.1 联合损失函数 | 第59-60页 |
| 4.2 实验结果分析 | 第60-75页 |
| 4.2.1 有限角度CT图像重建 | 第60-68页 |
| 4.2.2 截断数据CT图像重建 | 第68-73页 |
| 4.2.3 实验数据汇总 | 第73-75页 |
| 第五章 基于Python语言的CT图像重建系统开发 | 第75-81页 |
| 5.1 Python及其应用包 | 第75-77页 |
| 5.1.1 深度学习框架Pytorch | 第76-77页 |
| 5.1.2 可视化界面框架tkinter | 第77页 |
| 5.2 开发环境介绍 | 第77-78页 |
| 5.3 平台总体设计 | 第78页 |
| 5.4 平台效果展示 | 第78-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 全文工作总结 | 第81-82页 |
| 6.2 未来工作展望 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第86-87页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第87-88页 |
| 致谢 | 第88页 |