| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 PET成像技术的背景及意义 | 第11-13页 |
| 1.2 国内外研究的历史和现状 | 第13-16页 |
| 1.2.1 解析法 | 第13-14页 |
| 1.2.2 代数迭代法 | 第14页 |
| 1.2.3 统计迭代法 | 第14-16页 |
| 1.3 本文的主要研究内容与结构安排 | 第16-18页 |
| 第2章 PET图像重建算法概述 | 第18-32页 |
| 2.1 解析重建算法 | 第18-20页 |
| 2.1.1 数学理论基础 | 第18-19页 |
| 2.1.2 滤波反投影算法 | 第19-20页 |
| 2.2 迭代重建算法 | 第20-31页 |
| 2.2.1 迭代重建算法的基本原理 | 第20-21页 |
| 2.2.2 代数重建法 | 第21-22页 |
| 2.2.3 统计重建法 | 第22-31页 |
| 2.3 本章小节 | 第31-32页 |
| 第3章 一种基于各向异性中值扩散的Bayesian图像重建算法 | 第32-52页 |
| 3.1 中值根先验算法 | 第32-35页 |
| 3.2 基于偏微分方程的各向异性中值扩散模型 | 第35-40页 |
| 3.2.1 各向同性扩散模型 | 第36页 |
| 3.2.2 各向异性扩散模型 | 第36-39页 |
| 3.2.3 各向异性中值扩散模型 | 第39-40页 |
| 3.3 基于AMD模型的Bayesian图像重建算法 | 第40-43页 |
| 3.4 AMDMRP算法的仿真实验结果及分析 | 第43-51页 |
| 3.5 本章小节 | 第51-52页 |
| 第4章 一种结合各向异性中值扩散的惩罚最大似然图像重建算法 | 第52-67页 |
| 4.1 MLEM算法 | 第52-54页 |
| 4.2 AMD模型 | 第54-56页 |
| 4.3 基于AMD模型的PML算法 | 第56-58页 |
| 4.4 MLEM-AMD算法的仿真实验结果及分析 | 第58-66页 |
| 4.5 本章小节 | 第66-67页 |
| 第5章 一种基于全变分模型的惩罚最大似然图像重建算法 | 第67-81页 |
| 5.1 全变分模型 | 第67-73页 |
| 5.1.1 TV模型 | 第67-68页 |
| 5.1.2 TV模型的数值解法 | 第68-73页 |
| 5.1.3 PMTV模型 | 第73页 |
| 5.2 基于PMTV模型的PML算法 | 第73-74页 |
| 5.3 MLEM-PMTV算法的仿真实验结果及分析 | 第74-80页 |
| 5.4 本章小节 | 第80-81页 |
| 结论 | 第81-84页 |
| 参考文献 | 第84-95页 |
| 致谢 | 第95-96页 |
| 附录A 攻读学位期间所发表的论文目录 | 第96页 |
