| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 动态对比度增强MRI的研究背景及意义 | 第8-11页 |
| 1.2 动态对比度增强MRI的国内外研究概况 | 第11-13页 |
| 1.3 动态对比度增强MRI图像质量的影响因素 | 第13-15页 |
| 1.4 本论文的主要工作 | 第15-16页 |
| 第二章 利用基于最小均方的改进自适应算法计算脑血容积 | 第16-32页 |
| 2.1 脑血容积计算的理论推导 | 第16-21页 |
| 2.1.1 脑血容积计算的基本公式 | 第16-17页 |
| 2.1.2 利用基于LMS的自适应算法计算脑血容积的基本原理 | 第17-20页 |
| 2.1.2.1 基于LMS的自适应算法 | 第17-19页 |
| 2.1.2.2 基于LMS的改进自适应算法 | 第19-20页 |
| 2.1.3 利用基于MMSE的傅里叶变换算法计算脑血容积的基本原理 | 第20-21页 |
| 2.2 利用改进的自适应算法对脑血容积计算的仿真研究 | 第21-26页 |
| 2.2.1 理想状态的脑血容积的仿真 | 第22-24页 |
| 2.2.1.1 动脉输入函数的仿真模拟 | 第22页 |
| 2.2.1.2 驻留函数的仿真模拟 | 第22-23页 |
| 2.2.1.3 理想状态的示踪剂浓度的模拟 | 第23-24页 |
| 2.2.1.4 理想状态的脑血容积的计算 | 第24页 |
| 2.2.2 改进自适应算法处理前后的脑血容积的仿真 | 第24-26页 |
| 2.2.2.1 理想状态的信号强度-时间曲线仿真模拟 | 第24页 |
| 2.2.2.2 加噪后的信号强度-时间曲线仿真模拟 | 第24-25页 |
| 2.2.2.3 改进的自适应算法与傅里叶算法处理前后的示踪剂浓度的仿真模拟 | 第25-26页 |
| 2.2.2.4 去噪后的脑血容积的计算 | 第26页 |
| 2.3 不同因素对算法的影响分析 | 第26-31页 |
| 2.3.1 信噪比与驻留函数类型对算法的影响 | 第26-29页 |
| 2.3.2 示踪剂延迟对算法的影响 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 利用基于Hankel矩阵的奇异值分解算法计算脑血容积 | 第32-44页 |
| 3.1 奇异值分解算法估计脑血容积的基本原理 | 第32-35页 |
| 3.1.1 奇异值分解算法计算脑血容积的基本理论 | 第32-33页 |
| 3.1.2 基于Hankel矩阵的奇异值分解算法计算脑血容积的基本理论 | 第33-35页 |
| 3.1.2.1 Hankel矩阵与SVD分解 | 第33-34页 |
| 3.1.2.2 重构阵维数与有效奇异值个数的确定 | 第34-35页 |
| 3.1.2.3 Hankel矩阵与脑血容积估计 | 第35页 |
| 3.2 奇异值分解算法估计脑血容积的仿真研究 | 第35-38页 |
| 3.2.1 利用奇异值分解算法对脑血容积进行仿真与计算 | 第35-37页 |
| 3.2.2 利用基于Hankel矩阵的奇异值分解算法对脑血容积进行仿真与计算 | 第37-38页 |
| 3.2.3 两种奇异值分解算法对脑血容积计算结果的对比分析 | 第38页 |
| 3.3 不同因素对算法的影响分析 | 第38-43页 |
| 3.3.1 信噪比与驻留函数类型对算法的影响 | 第38-41页 |
| 3.3.2 示踪剂延迟对算法的影响 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于动态对比度增强MRI图像的脑血容积的估计 | 第44-50页 |
| 4.1 实验数据的获取 | 第44-47页 |
| 4.2 用改进的自适应算法和基于Hankel的SVD算法估计脑血容积 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间所取得的相关科研成果 | 第56-58页 |
| 致谢 | 第58页 |
