| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 引言 | 第7-8页 |
| 1.2 磁共振成像的发展及研究现状 | 第8-10页 |
| 1.3 论文的研究内容和结构 | 第10-12页 |
| 第2章 MR成像原理和压缩感知理论的概述 | 第12-20页 |
| 2.1 MR成像原理 | 第12-14页 |
| 2.2 压缩感知理论 | 第14-17页 |
| 2.2.1 CS理论依据 | 第14-15页 |
| 2.2.2 信号的稀疏表示 | 第15-16页 |
| 2.2.3 信号的观测矩阵 | 第16页 |
| 2.2.4 信号的重建算法 | 第16-17页 |
| 2.3 压缩感知理论用于MRI重建 | 第17-20页 |
| 第3章 基于字典学习的磁共振成像 | 第20-30页 |
| 3.1 字典学习算法的类型 | 第20-24页 |
| 3.1.1 K-VSD算法 | 第21-22页 |
| 3.1.2 基于增广拉格朗日的字典学习算法（AL-DL） | 第22-24页 |
| 3.2 基于自适应字典学习的磁共振图像重建算法 | 第24-30页 |
| 3.2.1 基于字典学习的高欠采样的MRI重建算法（DLMRI） | 第25-26页 |
| 3.2.2 基于双层Bregman的MRI重建算法（TBMDU） | 第26-30页 |
| 第4章 基于加权双层Bregman方法及图结构正则化稀疏表示的磁共振成像 | 第30-35页 |
| 4.1 基于Bregman字典学习的稀疏表示 | 第30-31页 |
| 4.2 加权双层Bregman字典学习方法 | 第31页 |
| 4.3 图结构正则化稀疏表示算法 | 第31-32页 |
| 4.4 加权双层Bregman方法以及图结构正则化稀疏表示的磁共振成像 | 第32-35页 |
| 第5章 实验结果分析 | 第35-42页 |
| 5.1 相关参数对成像结果的影响 | 第35-37页 |
| 5.2 无噪声情况下的成像 | 第37-40页 |
| 5.3 加噪声情况下的成像 | 第40-41页 |
| 5.4 复数数据的重建 | 第41-42页 |
| 第6章 总结与展望 | 第42-44页 |
| 6.1 本文工作总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读学位期间的研究成果 | 第49页 |
