| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景和研究意义 | 第11-12页 |
| 1.2 低剂量CT重建的国内外研究现状 | 第12-15页 |
| 1.2.1 统计迭代重建算法 | 第12-13页 |
| 1.2.2 投影域降噪算法 | 第13-14页 |
| 1.2.3 后处理去噪算法 | 第14-15页 |
| 1.3 研究内容与组织结构 | 第15-17页 |
| 第二章 低剂量CT重建理论基础 | 第17-27页 |
| 2.1 低剂量CT成像物理原理 | 第17-18页 |
| 2.2 低剂量CT成像数学基础 | 第18-21页 |
| 2.2.1 Radon变换及反变换 | 第18-19页 |
| 2.2.2 投影定理 | 第19-21页 |
| 2.3 低剂量CT图像重建算法 | 第21-24页 |
| 2.3.1 解析重建算法 | 第21-23页 |
| 2.3.2 迭代重建算法 | 第23-24页 |
| 2.4 低剂量CT投影数据的噪声模型 | 第24-25页 |
| 2.5 图像质量评价指标 | 第25-27页 |
| 第三章 自适应加权TV的低剂量CT统计迭代重建算法 | 第27-39页 |
| 3.1 惩罚加权最小二乘算法 | 第27-28页 |
| 3.2 全变分模型 | 第28-29页 |
| 3.3 自适应加权TV的低剂量CT统计迭代重建算法 | 第29-32页 |
| 3.3.1 自适应加权TV模型 | 第29-30页 |
| 3.3.2 低剂量CT统计迭代重建算法 | 第30-32页 |
| 3.4 实验结果分析 | 第32-38页 |
| 3.4.1 大脑模型图像分析 | 第34-36页 |
| 3.4.2 仿真骨盆实验结果 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于中值非局部先验的投影域平滑算法 | 第39-52页 |
| 4.1 基于MAP-MRF的投影域迭代算法 | 第39-42页 |
| 4.1.1 最大后验概率估计 | 第39-40页 |
| 4.1.2 马尔科夫随机场模型 | 第40-41页 |
| 4.1.3 吉布斯分布函数 | 第41页 |
| 4.1.4 基于MAP-MRF的投影数据恢复模型 | 第41-42页 |
| 4.2 中值非局部先验的投影域去噪算法 | 第42-45页 |
| 4.2.1 中值先验 | 第42-43页 |
| 4.2.2 非局部均值算法 | 第43页 |
| 4.2.3 中值非局部先验的投影域去噪算法 | 第43-45页 |
| 4.3 实验结果及分析 | 第45-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 自适应广义全变分的低剂量CT后处理算法 | 第52-65页 |
| 5.1 广义全变分算法 | 第52-53页 |
| 5.2 自适应TGV的低剂量CT降噪算法 | 第53-59页 |
| 5.2.1 直觉模糊熵 | 第53-55页 |
| 5.2.2 基于直觉模糊熵的TGV模型 | 第55-58页 |
| 5.2.3 后处理降噪算法过程 | 第58-59页 |
| 5.3 实验结果与分析 | 第59-64页 |
| 5.3.1 修改Shepp-Logan模型实验结果 | 第60-63页 |
| 5.3.2 实际盆骨数据实验 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表的论文及取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
