基于匹配追踪和深度学习的压缩感知图像重建研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容及意义 | 第13-15页 |
| 第2章 压缩感知磁共振基础 | 第15-35页 |
| 2.1 压缩感知理论基础 | 第15-19页 |
| 2.1.1 压缩感知基本框架 | 第15-16页 |
| 2.1.2 稀疏表示 | 第16-17页 |
| 2.1.3 测量矩阵 | 第17-18页 |
| 2.1.4 信号的重构 | 第18-19页 |
| 2.2 匹配追踪类算法研究 | 第19-26页 |
| 2.2.1 匹配追踪符号和思路 | 第19-20页 |
| 2.2.2 正交匹配追踪算法 | 第20-21页 |
| 2.2.3 分阶段正交匹配追踪算法 | 第21-23页 |
| 2.2.4 稀疏度自适应匹配追踪算法 | 第23-25页 |
| 2.2.5 压缩采样匹配追踪算法 | 第25-26页 |
| 2.3 磁共振成像原理和神经网络简介 | 第26-34页 |
| 2.3.1 磁共振物理原理 | 第26-29页 |
| 2.3.2 磁共振信号的空间编码 | 第29-31页 |
| 2.3.3 神经网络基础 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 快速多路径匹配追踪算法 | 第35-51页 |
| 3.1 多路径匹配追踪算法 | 第35-42页 |
| 3.1.1 多路径匹配追踪算法思路 | 第35-36页 |
| 3.1.2 广度优先的多路径匹配追踪 | 第36-37页 |
| 3.1.3 深度优先的多路径匹配追踪 | 第37-39页 |
| 3.1.4 实验结果及讨论 | 第39-42页 |
| 3.2 快速稀疏度自适应多路径匹配追踪算法 | 第42-50页 |
| 3.2.1 fast SAMMP算法介绍 | 第42-46页 |
| 3.2.2 fast SAMMP算法实验结果 | 第46-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 基于CNN网络的MRI重建研究 | 第51-69页 |
| 4.1 压缩感知MRI重建模型 | 第51-53页 |
| 4.2 基于U-net的MRI重建模型 | 第53-58页 |
| 4.2.1 U-net的网络结构 | 第54-55页 |
| 4.2.2 U-net的MRI重建框架 | 第55-56页 |
| 4.2.3 实验分析以及结果讨论 | 第56-58页 |
| 4.3 基于GAN的MRI重建模型 | 第58-67页 |
| 4.3.1 生成对抗网络框架 | 第59-60页 |
| 4.3.2 随机交替最小化网络训练 | 第60-61页 |
| 4.3.3 网络损失函数的定义 | 第61-62页 |
| 4.3.4 实验分析以及结果讨论 | 第62-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 本文研究工作总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 在读期间发表的学术论文与取得的研究成果 | 第76页 |
