| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 医学图像去噪的研究现状 | 第16-18页 |
| 1.3 医学图像配准的研究现状 | 第18-20页 |
| 1.4 论文主要工作及创新点 | 第20-23页 |
| 第二章 医学图像增强与配准的理论基础 | 第23-33页 |
| 2.1 医学图像成像模态 | 第23-24页 |
| 2.2 图像去噪的理论基础 | 第24-29页 |
| 2.2.1 噪声模型 | 第24-27页 |
| 2.2.2 常用的图像去噪方法 | 第27-29页 |
| 2.3 图像配准的理论基础 | 第29-31页 |
| 2.3.1 图像配准简介 | 第29页 |
| 2.3.2 相似性度量准则 | 第29-31页 |
| 2.3.3 Powell优化算法介绍 | 第31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于上下文BM3D的低剂量CT图像去噪 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 BM3D去噪算法 | 第33-35页 |
| 3.3 基于上下文BM3D的低剂量CT图像去噪 | 第35-40页 |
| 3.3.1 上下文BM3D算法的去噪模型 | 第36-37页 |
| 3.3.2 基于3D协同滤波的基础估计 | 第37-39页 |
| 3.3.3 基于基础估计能量谱的最终估计 | 第39页 |
| 3.3.4 视觉注意模型 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 心脏CT-TEE的大形变图像配准 | 第47-63页 |
| 4.1 引言 | 第47-48页 |
| 4.2 医学图像的概率图模型 | 第48-49页 |
| 4.3 基于瓣膜先验信息和增强概率图模型的CT-TEE图像配准 | 第49-55页 |
| 4.3.1 心脏CT-TEE图像配准的VPMMI模型 | 第50-51页 |
| 4.3.2 基于瓣膜先验信息的粗配准 | 第51-53页 |
| 4.3.3 基于增强概率图的细配准 | 第53-55页 |
| 4.4 实验结果及分析 | 第55-61页 |
| 4.4.1 实验数据的获取 | 第55页 |
| 4.4.2 实验结果与分析 | 第55-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 基于半监督CycleGAN网络的心脏CT-TEE图像配准 | 第63-79页 |
| 5.1 引言 | 第63-64页 |
| 5.2 CycleGAN网络 | 第64-65页 |
| 5.3 基于半监督CycleGAN网络的CT-TEE图像配准 | 第65-71页 |
| 5.3.1 CT-TEE配准的半监督CycleGAN网络模型 | 第66-67页 |
| 5.3.2 CT-TEE配准中的半监督CycleGAN网络构造 | 第67-71页 |
| 5.4 实验结果及分析 | 第71-77页 |
| 5.4.1 实验环境设置 | 第71页 |
| 5.4.2 实验结果与分析 | 第71-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
