| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 能谱CT的研究现状 | 第12-15页 |
| 1.2.1 能谱CT成像系统 | 第12-14页 |
| 1.2.2 能谱CT的临床应用 | 第14-15页 |
| 1.3 论文的研究目标和意义 | 第15-16页 |
| 1.4 论文的主要内容和结构 | 第16-18页 |
| 第二章 能谱CT成像系统 | 第18-38页 |
| 2.1 背景 | 第18-20页 |
| 2.2 能谱CT系统关键技术 | 第20-31页 |
| 2.2.1 采样技术 | 第20-24页 |
| 2.2.2 图像重建算法 | 第24-29页 |
| 2.2.3 系统校正技术 | 第29-31页 |
| 2.3 能谱CT的临床应用 | 第31-37页 |
| 2.3.1 放射诊断 | 第31-34页 |
| 2.3.2 放射治疗 | 第34-37页 |
| 2.4 小结 | 第37-38页 |
| 第三章 基于非局部均值滤波的能谱CT图像重建算法研究 | 第38-56页 |
| 3.1 引言 | 第38-40页 |
| 3.1.1 能谱CT的发展及应用 | 第38页 |
| 3.1.2 能谱CT重建算法 | 第38-40页 |
| 3.2 实验方法 | 第40-45页 |
| 3.2.1 能谱CT采样方法 | 第40页 |
| 3.2.2 能谱CT图像重建算法 | 第40-44页 |
| 3.2.3 基于GPU加速的算法实现 | 第44-45页 |
| 3.3 实验结果 | 第45-53页 |
| 3.3.1 仿真数据 | 第45-49页 |
| 3.3.2 实验数据 | 第49-53页 |
| 3.4 小结和讨论 | 第53-56页 |
| 第四章 基于字典学习的能谱CBCT重建分解算法研究 | 第56-66页 |
| 4.1 引言 | 第56-57页 |
| 4.2 实验方法 | 第57-61页 |
| 4.2.1 能谱CBCT采样方法 | 第57-58页 |
| 4.2.2 基于字典学习的能谱CBCT重建分解算法 | 第58-60页 |
| 4.2.3 仿真与实验设置 | 第60-61页 |
| 4.3 结果 | 第61-64页 |
| 4.3.1 仿真结果 | 第61-62页 |
| 4.3.2 实验结果 | 第62-64页 |
| 4.4 小结与讨论 | 第64-66页 |
| 第五章 基于能谱CT图像的质子阻止本领估算方法研究 | 第66-83页 |
| 5.1 引言 | 第66-67页 |
| 5.1.1 质子射程估算 | 第66页 |
| 5.1.2 质子阻止本领估算方法 | 第66-67页 |
| 5.2 实验方法 | 第67-75页 |
| 5.2.1 基于能谱CT的质子阻止本领估算方法 | 第67-71页 |
| 5.2.2 阻止本领的不确定度 | 第71-75页 |
| 5.2.3 质子射程的不确定度 | 第75页 |
| 5.3 实验结果 | 第75-81页 |
| 5.3.1 能谱CT算法验证 | 第75-76页 |
| 5.3.2 能谱CT图像的不确定度 | 第76-78页 |
| 5.3.3 能谱CT算法模型的不确定度 | 第78-79页 |
| 5.3.4 能谱CT算法内在的不确定度 | 第79-80页 |
| 5.3.5 阻止本领的不确定度汇总 | 第80页 |
| 5.3.6 质子射程的不确定度 | 第80-81页 |
| 5.4 小结和讨论 | 第81-83页 |
| 第六章 总结与展望 | 第83-86页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-86页 |
| 参考文献 | 第86-93页 |
| 攻读博士期间的研究成果 | 第93-96页 |
| 致谢 | 第96-97页 |
