一、获取高质量MR图像的要素浅析(论文文献综述)
血管外科学会,欧洲血管外科学会和世界血管学会联盟全球血管指南编写小组[1](2021)在《慢性肢体威胁性缺血治疗的全球血管指南(全译)》文中提出慢性肢体威胁性缺血(CLTI)与死亡率、截肢事件的发生以及生活质量受损密切相关。该全球血管指南(GVG)着重于CLTI的定义、评估和管理,以此来改进循证的护理方法和强调关键性研究的亟需。CLTI相比严重肢体缺血一词更为可取,因为后者意味着灌注受损取决于单一阈值,而不是连续数值。CLTI是一种周围动脉疾病(PAD)伴静息痛、坏疽或下肢溃疡(持续时间>2周)的临床综合征,排除静脉性、外伤性、栓塞性和非动脉硬化性病因。所有疑似CLTI的患者应立即转诊至血管专科。对肢体威胁的严重程度进行准确分期是基本措施,目前采用美国血管外科学会基于伤口分级、缺血分级和足部感染(WIfI)的威胁性肢体分类系统。此外评估CLTI需要进行客观的血流动力学检查,首选测量足趾压力。循证的血运重建(EBR)取决于三条相互独立的轴:病患风险、肢体的严重程度和解剖的复杂性(PLAN)。而确定一般风险和高风险患者要根据程序评估和2年全因死亡率来定义。GVG提出了一种新的全球肢体解剖分期系统(GLASS),该系统涉及如何确定首选的目标动脉路径以及评估肢体通畅性,并将治疗的复杂程度分为三级。最优的血管重建策略取决于开放性旁路手术中自体静脉的可利用性。推荐EBR是基于目前正在进行的一期临床试验得到的最佳有效数据。对于有进展性肢体威胁和高度复杂疾病的一般风险患者,静脉搭桥可能是首选方法,而解剖结构不复杂、肢体威胁中等或高病患风险的患者可能更适合血管腔内介入治疗。对于每一位CLTI患者都应该提供最优的药物治疗方案,包括使用抗血栓、降脂、降压和调节血糖的药物,以及给予戒烟、饮食、运动和预防性足部护理等方面的指导。此外EBR建议进行长期的肢体监测。非血运重建治疗方法(如脊柱刺激、气动加压、前列腺素类药物和高压氧)的有效性尚未明确。用于CLTI的再生医学方法(如细胞、基因疗法)仅限于严格执行的随机临床试验。GVG促进CLTI临床试验研究设计和终点的标准化,并且强调一项关键的卫生系统倡议:重视多学科小组和优质的保肢中心的重要性。
徐臻[2](2020)在《基于MR的巡视探测遥操作场景建模及交互技术研究》文中研究说明混合现实(Mixed Reality,MR)加强了增强现实在空间感知方面的不足,在增强现实基础上能够实现多人协同操作,提高交互的便利性,同时MR将真实场景与虚拟场景较好的融合在一起,增强了操作者的沉浸感。因此MR技术被广泛应用在对未知场景探测的科学问题分析等需要多人共同参与的任务中。巡视探测器运行在未知或先验信息不足的环境,仅仅依靠机器自主智能难以完成复杂的任务规划,以局部自主操作和操作员监督控制结合的监督式遥操作(Supervisory control)成为巡视探测遥操作系统的首选方式,因此需要进行场景建模以了解巡视器运行环境,再做出遥操作任务规划。本文通过深度相机获取地形障碍特征数据并与DEM地形数据融合的方式重建场景,然后搭建了混合现实多人交互遥操作平台。为了实现以上的功能,本文从以下方面展开了相关研究:(1)设计混合现实遥操作平台,在Unity3D物理引擎上进行巡视探测器真实环境采集信息的虚拟场景建模,其物理仿真功能可减小巡视探测器运行产生意外事故的可能性。操作者使用混合现实头戴设备,观察在真实空间中投影的三维场景重建的全息数据,共同商讨交流进行巡视器科学任务规划。(2)提出了基于地形通行性的非结构化地形场景重建方法,将Kinect相机采集到的点云数据通过聚类算法生成障碍物基本特征信息,并与DEM数据相融合生成具有足够细节信息的地形,以满足巡视探测器运行对周围环境的感知要求。这种通过基于地形通行性的重建方法,减小了信息传输通信的压力,同时也突出了地形障碍物的显示。(3)最后进行了混合现实遥操作人机交互设计,对多人混合现实操作设置合理方案,保持各方视角的一致性,设计遥操作多人交互通讯网络,设置丰富的命令请求,以满足不同的操作需求。多位遥操作科学人员在该平台下可以同时对巡视探测器所处环境进行分析判断,并对感兴趣的资源物体增加虚拟标签,实现对信息的更直接的观感。本系统设计提供了一种高效率的地形重建方式,并对地形的呈现效果做了评价,分别从重建效果、传输效率做了测试。实验证明通过基于地形障碍通行性的遥测场景重建,具有场景重建快速性与良好的重建效果。最后多人的混合现实遥操作交互方式,可以极大的提升操作者的操作体验,提高全局场景信息的获取量,能够帮助科学家做出能加准确的遥操作指令,同时可供多人观察以及共同操作的操作方式,提高遥操作效率和准确性。
段曹辉[3](2020)在《基于深度学习的超极化气体肺部快速磁共振成像》文中进行了进一步梳理磁共振成像(Magnetic ResonanceImaging,MRI)是一种非侵入、无电离辐射的影像学技术,可以为临床提供高分辨率的结构和功能影像。但是,传统MRI以氢质子(1H)为观测对象,而肺部主要由空腔组成,1H密度低,因此肺部是传统MRI的“盲区”。利用自旋交换光抽运技术,能够将惰性气体(如3He和129Xe等)的极化度提高4-5个量级,从而使肺部气体磁共振成像成为可能。超极化气体MRI为肺部的结构和功能评估提供了一种独特策略,在肺部疾病的早发现、早诊断和早治疗方面具有巨大潜力。然而,超极化气体的纵向磁化矢量具有不可恢复性,给超极化气体磁共振信号的采集带来很大限制。此外,大部分超极化气体MRI方法需要在单次屏气内完成,但较长的屏气时间会给受试者带来很大负担。因此,发展快速成像技术对促进超极化气体MRI的临床应用具有重要意义。压缩感知MRI(Compressed Sensing-MRI,CS-MRI)通过欠采样k空间数据加快成像速度,不需要额外的硬件和序列,是目前超极化气体MRI中最常用的快速成像方法。但是,CS-MRI技术存在的一些缺陷,如非线性重建需要较长的重建时间和复杂的超参数选择等,限制了其在临床上的广泛应用。最近,深度学习在欠采样MRI重建领域得到成功应用。相比于CS-MRI,基于深度学习的MRI重建在重建速度、重建质量和加速倍数等方面都具有显着优势。基于深度学习的重建方法需要大量高质量的参考图像作为训练集。然而,由于超极化气体MRI易受噪声和伪影影响,很难获得高质量的超极化气体肺部图像,这使得将深度学习应用于超极化气体MRI面临很大困难。针对该问题,我们利用超极化气体MRI的先验知识,发展了一系列基于深度学习的超极化气体肺部快速磁共振成像方法,在高加速倍数下,实现超极化气体肺部图像的快速和精确重建,主要内容如下:第一,我们首次提出了一种级联卷积神经网络(Cascaded Convolutional Neural Networks,CasNet)用于从高度欠采样的k空间中重建超极化气体肺部通气图像。CasNet包含两个级联的重建网络C-net和F-net,组成由粗到精的重建框架。其中,C-net用于去除欠采样伪影和恢复部分肺部细节信息,而F-net用于利用1H图像的先验知识进一步提高肺部区域的重建效果。我们使用来自72名志愿者的784幅(90%)和87幅(10%)超极化129Xe肺部通气图像分别对CasNet进行训练和测试。与传统的CS-MRI方法相比,CasNet能够在包含各种肺部疾病的测试集中获得更优的重建效果,且重建速度更快,重建一幅96 × 84的肺部通气图像仅需31 ms,能够满足实时重建的需求。此外,CasNet重建还可以有效保护通气图像的通气缺陷分布,从而准确计算通气缺陷百分比(Ventilation Defect Percentage,VDP)。第二,由于多b值采集和较长的扩散梯度时间,超极化气体扩散加权MRI(Diffusion-Weighted MRI,DW-MRI)需要更长的扫描时间。因此,我们首次提出了 一种深度级联残差密集网络(Deep Cascade of Residual Dense Network,DC-RDN)用于加速多b值超极化129Xe DW-MRI。DC-RDN由残差密集模块(Residual Dense Blocks,RDBs)和数据一致性层(Data Consistency,DC)交替级联而成。在RDB中,不同b值的DW图像共享相同的特征图,这有助于利用DW图像在扩散方向上的结构相似性来提高重建效果。同时,使用DC层保证重建图像和欠采样k空间测量的数据一致性,从而可以有效保护肺部的微结构信息。由于缺乏训练集,我们从超极化129Xe通气图像中生成了大量仿真的多b值DW-MRI数据用于训练DC-RDN。实验结果表明,DC-RDN能够有效去除欠采样伪影,并准确估计肺部形态学参数。在4倍的加速因子下,DC-RDN能够将多b值129Xe DW-MRI的成像时间由17.8 s减少至4.7 s,并且重建一层DW图像(5个b值)仅需7.2 ms。综上所述,本文提出的基于深度学习的快速成像方法能够有效加快超极化气体肺部MRI的成像速度,并获得高质量的重建图像和准确的定量参数,有望促进超极化气体MRI的临床转化和肺部疾病研究。
赖世贤[4](2020)在《中国近代工业建筑营建过程关键性技术问题研究(1840-1949)》文中研究指明工业建筑作为中国近代新兴建筑类型及西方先进技术引进中国的最初载体之一,承载着当时中国较为先进的建筑理念,充当中国近代建筑追赶世界建筑潮流的不自觉历史工具。本文研究中国近代工业建筑营建过程中关键性技术问题,含括规划选址、大跨技术、标准化、结构发展等内容,分类探讨木材、砖、水泥等材料技术,同时关注工业建筑设计师。研究以调研过程中大量实物例证结合图纸资料、近现代建筑期刊文献及厂史资料进行,比对同时期西方先进技术,重视技术来源与技术真实性问题。研究对中国近代城市工业发展分期进行讨论,并提出相应分期方案。第二章以工厂的选址与布局入手,关注中国近代城市工业萌芽阶段工业建筑营建前期技术性问题,选址和布局贯穿工业建筑建设全过程,涉及宏观地区选择、中观地点选择、微观厂址选择及具体厂区布置等层面。第三章关注中国近代城市工业发展起步阶段,由于生产方式和动力技术改变引起对于大空间厂房即大跨度技术的迫切需求,重点关注西式木屋架。西式木屋架技术在材料和施工技术基本不变的情况下,展现出对于力学等结构概念的理解,意味着中国建筑近代转型开始。第四章则关注中国近代城市工业加速增长阶段,工业建筑由于大量快速建设带来对于高质量、标准化建材需求等问题。以砖的工业化生产及工业建筑用砖变化,探讨工业化时代下中国传统建筑材料在引进西方建筑材料后的各方面技术发展。第五章则聚焦中国近代工业稳速增长阶段如何解决工业建筑营建所要求的安全舒适、结构持久等问题,关注钢筋混凝土结构技术及与之紧密相关的水泥生产技术引入与发展。第六章将专业人才视为技术实施保障予以讨论,关注中国近代工业发展放缓期对工业建筑营建规范化、经验化起关键作用的设计师及代表作品、设计师群体组成等问题。研究发现在中国近代城市工业发展各时期不同阶段,基于建设目标需求及技术水平不同,中国近代工业建筑营建过程中关键性技术问题亦不相同。对中国近代工业建筑而言,部分营建关键技术与当时世界先进技术相比并不逊色,但技术推广和实现受社会环境及观念意识影响甚大;技术要与当地资源、经济及社会体制相适应,社会需求会强有力改变技术的运用及传播;由于材料观念缺失,其在营建过程中重外观轻建造,重模仿轻创造;技术属于文明范畴,由初级走向高级是趋势,中西方建筑技术融合也是趋势。
冯东[5](2020)在《多基线SAR三维成像技术研究》文中研究指明近年来,合成孔径雷达(Synthetic Aperture Radar,SAR)三维成像技术因其可以获取目标在真实三维空间中的分布和散射特性而引起人们的广泛关注。多基线SAR(Multibaseline SAR,MB SAR)是一种具有多条运动轨迹的SAR三维成像模式,它可以通过利用现有SAR系统进行简单的多基线成像几何扩展来实现三维成像,是一种十分具有应用前景的SAR三维成像模式。本文围绕MB SAR三维成像模式,针对高质量高分辨率MB SAR三维成像中的关键技术展开了深入的研究,主要的研究内容和创新点可总结如下:一、研究与分析了MB SAR三维成像模式中的相关理论基础问题。针对多基线直线SAR(Linear SAR,LSAR)和多基线圆周SAR(Circular SAR,CSAR)两种典型的MB SAR三维成像模式,分析了它们三维成像的基本原理和空间分辨率特性。尽管MB CSAR与MB LSAR的方位向运动轨迹不同,但是它们具有相同的层析向成像模型。因此,MB CSAR实测数据可以用来验证本文后续关于MB SAR层析成像处理方法的有效性和实用性。二、研究了MB SAR三维成像中的层析相位误差校正问题。在MB SAR三维成像中,层析相位误差是影响最终三维成像结果的重要因素。本文首先对MB SAR三维成像中层析相位误差的来源及其特性进行了分析。接着,针对层析相位误差空不变假设成立和不成立两种情况,分别提出了基于相位梯度自聚焦(Phase Gradient Autofocus,PGA)的层析相位误差校正方法和基于锐利优化自聚焦(Sharpness Optimization Autofocus,SOA)的层析相位误差校正方法。最后,利用MB SAR实测数据对本文提出的两种层析相位误差校正方法进行了实验验证,实验结果证明了所提方法的有效性和可行性。三、研究了MB SAR三维成像中的层析向高分辨率重建问题。在MB SAR三维成像中,实现层析向的高分辨率重建是获得最终高分辨率三维成像结果的关键。然而,实际中由于层析向总基线长度较短,导致层析向的瑞利分辨率较差。为了实现层析向高分辨率重建,本文提出了一种基于迭代自适应方法(Iterative Adaptive Approach,IAA)和广义似然比检测(Generalized Likelihood Ratio Test,GLRT)的层析向超分辨率重建方法。该方法首先利用IAA得到层析向超分辨率聚焦结果,然后利用GLRT进行模型阶数选择,从而得到层析向超分辨率稀疏重建结果。与目前应用较多的基于压缩感知的层析向超分辨率稀疏重建方法相比,本文所提方法不需要进行超参数优化调整,且能以更高的重建效率获得与其相比拟的超分辨性能和估计精度。四、研究了收发分置的多基线双站SAR(Bistatic SAR,Bi SAR)三维成像。收发分置的Bi SAR成像模式相对收发一体的单站SAR成像模式而言,具有隐蔽性强、安全性高以及构型配置灵活等优势。当发射平台或接收平台进行多航过飞行时,可实现MB Bi SAR三维成像。通过对MB Bi SAR三维成像的数学模型进行分析可知,MB Bi SAR三维成像具有与单站模式下的MB SAR相同的层析向成像模型。在同样的层析向分辨率和无模糊成像范围要求下,MB Bi SAR所需的轨迹数量与单站MB SAR相同。为了高效率地获取高精度的Bi SAR二维复图像,本文提出了一种基于椭圆极坐标的双站快速后向投影(Back Projection,BP)算法。与双站原始BP算法相比,所提方法可在保持成像精度的同时大大提高成像效率。在获取了满足要求的Bi SAR二维成像结果以后,层析向的相位误差校正以及高分辨率重建与单站MB SAR相同,可直接采用单站MB SAR相关处理方法。因此,MB Bi SAR三维成像可看作传统单站MB SAR的一种延伸应用。本文的研究内容已利用实测数据或仿真数据进行了实验验证,实验结果证明了文中所作理论分析的正确性和所提方法的有效性与实用性。因此,本文的研究内容具有一定的理论价值和工程实用价值。
赵晨[6](2020)在《基于深度学习的压缩感知图像重建算法研究》文中进行了进一步梳理面对通信技术的日益发展,人们逐渐迈向大数据信息时代。在多媒体数字化的生活中,人们亟需解决的是大量数据信息如何有效采样、压缩、传输和存储等问题。传统的奈奎斯特(Nyquist)采样定理要求信号的采样率不小于带宽的两倍,才能完整地重构原始信号,这使得信号处理的运算量出现激增甚至超负荷现象。压缩感知(Compressive Sensing,CS)理论摆脱了奈奎斯特定理的限制,可以在远低于两倍信号带宽的采样率下完成信号重构,大大减轻了传输和存储压力,推动了图像压缩重建领域的发展。本文将深度学习方法引入到压缩感知图像重建算法中,主要研究工作包括:(1)提出了基于传统采样的压缩感知图像编码重建优化算法。该算法框架由编解码模块,初步重建模块和深度重建模块三部分组成。编解码模块包括传统的随机矩阵采样和霍夫曼编解码,初步重建模块和深度重建模块均由基于深度学习的重建网络构成。通过联合控制量化步长和采样率,在给定比特率下得到了质量最优的重建结果,实现了基于压缩感知的图像编码重建优化。实验结果表明,本文所提算法在保证重建图像质量的前提下,提高了编码压缩效率。(2)提出了基于递进卷积采样的压缩感知图像重建算法。本方案采用全卷积方式实现了图像采样及重建的端到端联合训练学习。该算法由递进采样模块,递进重建模块以及残差重建模块组成。其中,递进采样模块和递进重建模块组成的子网络用于生成初步重建结果,残差重建模块用于去除块效应,从而进一步提高重建图像的质量。通过与其它重建算法比较,实验结果表明,本文所提算法提升了重建图像的主客观质量,尤其在低采样率下效果更明显。(3)提出了基于多描述的压缩感知图像重建算法。该算法包含多描述采样模块和重建模块两部分。多描述采样模块将原始图像按奇偶行分成两个图像子集,并对其分别进行采样,经采样得到的两个测量值可作为两个独立的描述用于信号传输。重建模块包括递进重建模块和残差重建模块,递进重建模块用于生成初步重建结果,残差重建模块用于去除块效应,最终生成高质量的重建图像。实验结果验证该算法在保证重建图像质量的同时,提高了网络的整体稳定性。
赵小乐[7](2020)在《图像超分辨技术及其在MRI中的应用研究》文中认为图像的分辨率是大多数成像应用需要考虑的一个常见参数,也是评价图像质量的一个重要指标。通过对成像系统的硬件设备进行升级改造来提高图像分辨率受到技术瓶颈、应用条件和制造成本的限制,而利用信号处理、机器/深度学习等软件方法来提高图像分辨率能够有效规避这些约束条件,以较低的代价突破硬件设备的固有缺陷,这类方法叫做图像超分辨(Super-Resolution,SR)重建。图像SR是计算机视觉领域一个典型的图像恢复问题,旨在克服成像系统的物理缺陷或不适宜的采集条件,从一幅或多幅低分辨率(Low Resolution,LR)图像重建出一幅高分辨率(High Resolution,HR)图像。近年来,通过深度学习技术从大量外部数据引入先验信息来构建LR图像与HR图像之间的非线性映射关系,成为图像超分辨重建研究的主流趋势。本文针对基于深度学习的图像SR技术进行了创新性研究,并探索了相关技术在磁共振成像(Magnetic Resonance Imaging,MRI)上的潜在应用,主要工作包括以下几个方面:(1)针对自然图像SR任务,当前许多基于卷积神经网络(Convolutional Neural Network,CNN)的单幅图像SR模型为了增加模型复杂度和稳定模型训练过程而引入残差学习,从而造成模型表达能力未得到充分挖掘的问题,本文提出了一种新的完全通道串接网络(Fully Channel-Concatenated Network,FC2N)。在所提的FC2N模型中,所有的层间跨步连接(Interlayer Skip Connection,ISC)都是通过加权通道串接实现的。由于所有ISC的权重因子都是可学习的,模型可以自适应地确定ISC的连接强度和数量。这有助于充分挖掘模型表达能力,也更符合生理学上神经元的活动方式。目前,FC2N是第一个网络深度超过400层的非残差SR模型,也是继增强深度超分辨模型(Enhanced Deep Super-Resolution,EDSR)之后第一个模型参数小于10M但仍然具有优异性能的SR模型。(2)针对利用结构单一、缺乏多样性的磁共振(Magnetic Resonance,MR)图像样本来训练大规模CNN模型容易造成梯度消失和模型欠拟合的问题,本文提出了一种新的通道划分网络(Channel Splitting Network,CSN)。CSN利用通道划分将层级特征分为不同的分支,并通过合并运行(Merge-and-Run,MAR)来融合不同分支上的信息流。其中,通道划分将层级特征分为不同的簇,以便区别处理不同通道上的特征映射,同时通过减少神经元之间的链接来缓解模型表达负担;而MAR通过定期以残差连接的方式合并不同分支上的层级特征,可以有效促进不同分支之间的信息共享和融合。在几种典型MR图像上的定量和定性实验表明,所提的CSN模型不仅超越了传统的MR图像超分辨重建技术,对其他先进的、基于CNN的超分辨模型也有显着的性能优势。(3)针对CSN模型中局部并行的模块结构限制了网络深度和模型表达能力的问题,本文进一步为MR图像超分辨任务提出了通道划分与串行融合网络(Channel Splitting and Serial Fusion Network,CSSFN)。CSSFN模型也对层级特征按通道进行分组,但特征融合采用了类似密集连接网络(Densely Connected Network,DCN)的串行结构。这样既维持了模型区别处理不同通道上特征映射的能力,又通过增加网络深度扩展了模型的非线性表达能力。扩展实验验证了CSSFN模型对包括CSN模型在内的其他先进超分辨方法的性能优势。(4)针对大规模CNN模型对计算量和内存要求较高,不适用于计算资源有限的MRI成像场景的问题,本文提出了一种轻量级的侧抑制网络(Lateral Inhibition Network,LIN)。LIN模型根据神经生物学中的侧抑制效应,假设神经元之间存在相互抑制作用,通过模拟哈特林-雷特里夫方程(Hartline-Ratliff Equation)对层级特征进行显式的抑制性调节。为了进一步提高轻量级模型的性能,本文提出整合具有不同扩张率的扩张卷积来提取浅层特征。这有助于提取不同感受野范围内的浅层特征,为后续推理提供更丰富、更有效的证据。实验结果表明,所提的LIN模型能够以少量的模型参数实现优异的SR性能,表现出较好的实用性。(5)本文以基于深度学习、迁移学习的图像SR模型为基础,通过适当的网络结构调整和超参数设置,探索了相关回归模型在MR图像上的其他应用,包括吉布斯伪迹抑制(Gibbs-ringing Artifact Suppression,GAS),自动窗宽窗位(Automatic Windowing)以及年龄预测(Age Prediction,AP)。实验表明,基于CNN的回归模型可以很方便地处理MR图像上的这些应用,并取得明显优于传统方法的性能。
程静[8](2019)在《面向图像细节优化的快速磁共振成像》文中研究指明磁共振成像能提供丰富的对比度信息且无电离辐射,已成为医学临床诊断和生命科学研究最重要的手段之一。然而,成像时间长一直是磁共振发展的瓶颈问题,它严重制约了磁共振的大规模临床应用。因此,实现快速磁共振成像具有重大的科研和应用价值。目前,通过在k空间减少采集数据(欠采样)来实现扫描加速是快速磁共振成像的重要策略。为了克服由于欠采样带来的系统病态性导致的图像质量下降问题,利用先验信息十分必要。压缩感知快速成像是近十年来基于先验信息快速成像领域中的研究热点。压缩感知理论指出,可以从极少的非相干采样样本中通过非线性方法重建原始的稀疏信号。待重建图像的稀疏性是压缩感知理论成功应用于快速磁共振成像的基本前提,也是亟待利用的先验信息,最大化稀疏表达待重建图像可以降低重建误差,提高重建质量。然而,选择最优的稀疏变换来最大化稀疏磁共振图像是一个难题。实际应用中,采用的变换并不能使图像得到完全稀疏的表达,这就导致某些图像特征尤其是细节特征的丢失。本文旨在给定部分k空间数据的情况下,力求克服重建图像细节信息丢失的问题,使得在同样的加速倍数下能获得更高的重建质量。本文的主要研究工作和成果有:一、提出了细节优化成像策略。基于压缩感知理论及残差图像的成分组成,设计了图像细节优化模块,并将该模块成功嵌入到压缩感知并行成像框架中。为了能更好地定位图像边缘信息及提升图像结构信息的提取能力,设计了新的由纹理和结构两部分组成的细节提取算子。成像实验表明,新的细节提取算子能更有效地提取细节信息,使得加入了细节优化模块的重建方法具有更高的重建质量,且重建图像具有更强的细节刻画能力。二、提出了从传统成像模型出发,使用深度学习进行欠采图像重建的实现策略。在传统成像模型和优化算法的基础上,引入深度学习,将迭代算法展开到深度神经网络上,利用网络通过学习的方式获得成像模型和优化算法中的自由因子,并进一步放开模型中的约束,打破算法中参数间固定的结构关系,充分利用深度网络的学习能力来获得更多的先验信息,从而提高重建质量,优化重建图像中的细节信息。三、成功将细节优化方法和基于模型的深度学习方法应用于三维高分辨血管壁成像中。与传统压缩感知方法相比,细节优化方法能更好地刻画细小的血管壁,保持血管壁与周围组织的良好对比,而深度学习方法在提供了较高的血管壁重建质量的同时,避免了传统方法复杂的调参过程。
于露露[9](2019)在《基于稀疏表示的图像超分辨率重建》文中研究指明超分辨率重建技术通过对一幅或多幅低分辨率图像进行图像复原处理以提升图像空间分辨率,在图像处理领域具有重要的科学意义和应用价值。本文针对深空探测获取高质量图像的需求,以探月工程和火星探测工程载荷图像传输处理项目为研究背景,在课题组完成的图像压缩系统的基础上,为了进一步提升图像质量,重点研究适用于遥感图像的超分辨率重建技术,在保持几何特征完整性的前提下,提升图像空间分辨率,便于后续遥感图像目标检测等处理。在已有超分辨率重建方法中,传统的基于插值或基于重建法无法充分利用先验知识,性能较差。随着将稀疏处理和深度学习方法引入超分辨率重建,其性能得到大幅提升,例如基于稀疏表示的图像超分辨率重建法中性能较好的SCSR算法,与传统方法相比,在2倍超分下,PSNR提高2dB左右。与此同时,基于深度学习法取得更好的重建效果,但相比之下,SCSR算法的复杂度更低,适合在轨实时处理。本文在SCSR算法的基础上,为了进一步提升图像重建质量,提出了一种结合多残差网络和多特征提取的图像超分辨率重建算法(Multi Residual and Multi Feature SCSR,MRMFSCSR)。该算法与SCSR算法相比,更有效的保持图像几何特征,并具有相近的计算复杂度。本文主要研究内容和创新点如下:1)为提高重建图像质量,解决SCSR算法采用梯度算子仅提取水平和垂直方向特征,获取边缘和纹理信息不足的缺陷,提出基于多特征提取的稀疏表示超分辨重建算法(Multi Feature SCSR,MFSCSR)。该算法针对图像块特点,采用NSCT变换提取非平坦块的轮廓特征,Gabor变换提取平坦块的纹理特征,利用稀疏模型分别重建,最后合成HR图像。相比SCSR算法,该算法能够更完整的恢复图像几何结构。2)为丰富重建图像的内部细节,改进VDSR深度网络,设计多残差网络结构(Multi Residual network,MR)。该网络中仅采用4层卷积,大大降低算法复杂度,引入特征融合,通过3个残差块将网络提取的不同层次的特征信息融合,丰富高频细节。3)MRMFSCSR算法将MFSCSR算法和MR网络融合在一个模型。该算法中,融合两个结构并不是粗暴的将各自结果相加,以MFSCSR算法重建的图像作为训练MR网络的输入,MR网络继续修正重建图像的高频细节的方式相互制约和优化。本算法通过将稀疏表示与残差网络的有效结合,性能有显着提升,在传统的2倍超分下,相比于SCSR和VDSR算法,PSNR值分别提升约2dB和0.6dB。
侯震[10](2019)在《影像组学在食管癌和头颈癌放射治疗中的应用研究》文中研究说明恶性肿瘤以其高发病率和高致死率,成为威胁人类健康的重要因素。放射治疗作为一种局部治疗手段,在肿瘤临床治疗中的作用日趋重要,其目的在于通过提高肿瘤靶区的辐射剂量并降低周围正常组织的放射性损伤来提高病灶的局部控制率,进一步提高肿瘤患者的生存率并改善患者的整体生存质量。然而,尽管最新的调强放射治疗技术(Intensity Modulated Radiation Therapy,IMRT)有效地提高了肿瘤靶区的照射精度和剂量的均匀性,但由于恶性肿瘤本身的异质性和复杂的微环境,使其治疗十分复杂且疗效难以预测;并且再精确的放疗技术也无法避免X射线对周围正常器官的损伤,在杀灭癌细胞的同时也会引起放疗并发症的出现。针对不同部位肿瘤的病理及结构特点,个体化治疗逐渐被临床认可,大量文献表明,早期预测肿瘤治疗反应及副反应有利于患者的治疗和恢复,进一步指导肿瘤治疗,提高癌症患者的生存率。因此,临床实践中需要一种针对放疗疗效和并发症的预测技术,它能够在患者接受治疗前对疗效和某种并发症发生的风险做出预测,从而优化患者的治疗方案。影像组学(Radiomics)作为一种新兴的影像分析技术,采用非侵入式的方法来获取肿瘤的综合特征信息,能够反映肿瘤时间和空间上的异质性问题,通过对大量影像特征的定量、高通量分析来综合评价肿瘤表型。放疗作为局部晚期肿瘤患者的重要治疗手段,治疗前需要获取大量影像以进行靶区勾画和计划设计,这就为临床将Radiomics结合于肿瘤放疗提供了良好的契机和理论基础。本课题从食管癌和头颈癌患者治疗前的医学影像入手,致力于放疗Radiomics预测模型的研究,采用统计学分析与机器学习建模方法,以实现对食管肿瘤放疗疗效的早期预测(治疗反应相关);以及Radiomics参数与头颈癌照射野内复发的预测分析(复发相关);同时探索基于深度学习(Deep learning-based)的Radiomics方法在放射性肺损伤预测中的价值(治疗副反应相关)。概括全文的研究成果和贡献,主要包括以下几个方面:1.影像组学在食管鳞癌同步放化疗早期疗效预测中的研究a)分析了文献中提出的四大类Radiomics特征提取算法,逐一分析和介绍了基于形态学、基于灰度直方图、基于纹理和基于滤波变换方法的数学表达形式,并比较了不同方法所提取的特征参数的数学、影像学意义及相互关系;b)创新性地探索了基于治疗前增强CT的Radiomics分析在预测食管鳞癌同步放化疗(CRT)疗效中的价值。筛选出可区分治疗敏感者(Responder)和非敏感者(Nonresponder)的特征参数,并且引入了人工神经网络(ANN)和支持向量机(SVM)等机器学习算法构建并验证预测模型,验证了Radiomics模型用于食管癌CRT疗效预测的可行性和有效性;c)在前期工作的基础上,进一步对比了基于治疗前的T2W和SPAIR T2W序列的磁共振结构像的Radiomics分析对食管鳞癌同步放化疗疗效的预测价值。分别基于上述两个序列的Radiomics特征结合ANN和SVM算法构建了并验证了预测模型,在此基础上对比两个序列的特点和预测能力,分析了其作用原理及对临床实践的意义。2.影像组学在头颈癌复发模式中的应用研究a)分析了文献中头颈癌患者放疗后复发的剂量学模式,从剂量学角度探究了出现不同复发模式的原因,明确了野内复发是头颈癌的主要复发模式,分析了野内复发与放疗抵抗之间的关系;b)针对本中心鼻咽癌IMRT后复发的患者,借助剂量叠加工具,分别分析了其复发的剂量学模式,证明了野内复发是鼻咽癌IMRT后的主要复发模式,筛选出因放疗抵抗而出现复发的患者;c)原创性地提出引入Radiomics分析方法,通过高通量地对患者治疗前的SPAIR T2W磁共振影像提取定量特征,在此基础上结合机器学习算法构建肿瘤的放疗抵抗性预测模型。3.影像组学在食管癌放射性肺损伤中的预测价值a)分析和总结了基于肺部CT的影像组学方法在放射性肺损伤(RILI)预测中的相关研究进展,在此基础上进一步拓展创新,重点关注治疗前肺部高剂量区域的CT影像对局部RILI的预测价值;b)原创性地提出采用基于迁移的深层卷积神经网络(CNN)模型,即基于深度学习的Radiomics方法,使其能够自主挖掘与RILI预测相关的影像特征,并将微调后的卷积神经网络模型(AlexNet和GoogleNet)用于预测RILI;c)实验验证了基于自然图像训练的AlexNet和GoogleNet模型经少量医学样本微调(Fine tuning)后对局部RILI的预测能力,并分析其原理及临床意义。
二、获取高质量MR图像的要素浅析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、获取高质量MR图像的要素浅析(论文提纲范文)
(2)基于MR的巡视探测遥操作场景建模及交互技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 混合现实技术发展 |
1.2.2 巡视器遥操作及场景建模 |
1.3 主要研究内容 |
1.4 论文结构 |
第2章 混合现实遥操作平台设计 |
2.1 引言 |
2.2 混合现实平台软件与硬件支持 |
2.2.1 场景仿真软件 |
2.2.2 混合现实设备 |
2.3 MR遥操作平台的场景重建与多人交互 |
2.3.1 遥操作巡视探测场景重建 |
2.3.2 MR空间多人交互同步 |
2.4 本章小结 |
第3章 巡视探测遥操作场景重建 |
3.1 引言 |
3.2 三维场景信息处理 |
3.2.0 探测器模型导入与处理 |
3.2.1 探测地形点云数据采集及预处理 |
3.2.2 障碍地形特征信息提取 |
3.3 地形障碍按通行性显示方案 |
3.3.1 地形障碍描述 |
3.3.2 地形通行性分类及显示 |
3.4 遥操作探测场景建模 |
3.4.1 DEM数据在仿真软件中地形生成 |
3.4.2 Unity地形障碍数据融合 |
3.5 遥操作场景数据库构建 |
3.5.1 场景数据结构定义 |
3.5.2 地形数据提取与写入 |
3.5.3 MR场景数据存储与加载流程 |
3.6 本章小结 |
第4章 混合现实遥操作人机交互设计 |
4.1 引言 |
4.2 混合现实作业要素设计 |
4.2.1 MR基本场景设计 |
4.2.2 虚拟警示设计 |
4.2.3 作业进程指示 |
4.2.4 三维虚拟标签 |
4.3 混合现实端通讯网络设计 |
4.3.1 多人视角共享设计 |
4.3.2 MR端与计算端通讯 |
4.3.3 多人交互消息协议设计 |
4.4 人机交互控制及作业流程 |
4.4.1 混合现实交互控制 |
4.4.2 可视化任务添加方法 |
4.4.3 多人MR遥操作作业流程 |
4.5 本章小结 |
第5章 混合现实遥操作平台测试 |
5.1 引言 |
5.2 混合现实遥操作平台环境 |
5.3 混合现实遥操作系统实验效果分析 |
5.3.1 实验设置 |
5.3.2 实验结果 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 论文工作总结 |
6.2 今后的工作 |
参考文献 |
致谢 |
作者简介 |
(3)基于深度学习的超极化气体肺部快速磁共振成像(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 肺部疾病与临床检查方法 |
1.1.1 肺部结构与功能 |
1.1.2 主要的肺部疾病 |
1.1.3 肺部疾病的临床检查方法 |
1.1.4 超极化气体肺部MRI |
1.2 磁共振成像的基本原理 |
1.2.1 磁共振信号 |
1.2.2 磁共振成像 |
1.3 快速磁共振成像 |
1.3.1 并行成像 |
1.3.2 基于压缩感知的快速磁共振成像 |
1.3.3 基于深度学习的快速磁共振成像 |
1.4 本文的研究意义和主要工作 |
第2章 基于深度学习的MRI重建 |
2.1 深度学习 |
2.1.1 人工神经网络 |
2.1.2 卷积神经网络 |
2.1.3 训练和评价 |
2.2 欠采样重建 |
2.2.1 CS-MRI |
2.2.2 超极化气体肺部CS-MRI |
2.3 基于深度学习的MRI重建 |
2.3.1 基于模型展开的MRI重建 |
2.3.2 端到端映射的MRI重建 |
2.3.3 基于深度学习的MRI重建中存在的问题 |
2.4 重建质量评价 |
2.5 本章小结 |
第3章 基于深度学习的超极化气体肺部MRI重建 |
3.1 引言 |
3.2 方法 |
3.2.1 重建流程 |
3.2.2 网络结构 |
3.2.3 数据获取和预处理 |
3.2.4 网络实施和训练 |
3.2.5 性能评价 |
3.3 实验结果 |
3.3.1 C-net和F-net的比较 |
3.3.2 CasNet和CS-MRI的比较 |
3.3.3 通气缺陷百分比 |
3.3.4 In vivo实验 |
3.4 讨论 |
3.4.1 CasNet |
3.4.2 性能比较 |
3.4.3 加速因子 |
3.4.4 本研究的不足 |
3.5 本章小结 |
第4章 基于深度学习的超极化气体DW-MRI重建 |
4.1 引言 |
4.2 方法 |
4.2.1 重建流程 |
4.2.2 网络结构 |
4.2.3 训练集仿真 |
4.2.4 网络实施和训练 |
4.2.5 测试集 |
4.2.6 性能评价 |
4.3 实验结果 |
4.3.1 重建性能比较 |
4.3.2 肺部形态学参数分析 |
4.3.3 In vivo实验 |
4.4 讨论 |
4.4.1 DC-RDN |
4.4.2 训练集仿真 |
4.4.3 性能比较 |
4.4.4 参数估计 |
4.4.5 本研究的不足 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录 英文简写及中英文全称 |
致谢 |
作者简介及在学期间发表的学术论文与科研成果 |
(4)中国近代工业建筑营建过程关键性技术问题研究(1840-1949)(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题背景与研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 研究对象与概念界定 |
1.2.1 研究对象界定 |
1.2.2 时间概念界定 |
1.2.3 空间范围说明 |
1.3 文献综述及前期分析 |
1.3.1 中国近代建筑的相关研究 |
1.3.2 中国近代工业建筑的相关研究 |
1.3.3 中国近代建筑技术的相关研究 |
1.3.4 中国近代工业建筑营建技术相关研究小结 |
1.4 研究内容与研究目标 |
1.4.1 研究内容 |
1.4.2 研究目标 |
1.5 研究方法与研究难点 |
1.5.1 研究方法 |
1.5.2 研究难点 |
1.6 论文研究整体框架 |
第2章 近代工业萌芽起步期工厂选址规划与厂区布局的探索 |
2.1 技术载体:萌芽起步期军事工厂的典型性 |
2.2 宏观布局:地区选择——初期规划缺位与后期调整乏力 |
2.3 中观布局:地点选择——初期运输依赖与后期全面平衡 |
2.4 微观布局:厂址选择——初期因地制宜与后期逐步合理 |
2.4.1 江南制造局——两次选址失误 |
2.4.2 金陵制造局——邻护城河建厂 |
2.4.3 福州船政局——风水择地典型 |
2.4.4 天津机器局 |
2.4.5 广东机器局——近海到近铁路 |
2.4.6 北洋水师大沽船坞——结合祭祀文化 |
2.4.7 吉林机器局——资源优于运输 |
2.4.8 湖北枪炮厂(汉阳铁厂)——多个方案比较 |
2.5 厂区布局:总平面设计——“幼稚时代”的想象与探索 |
2.5.1 江南制造局——功能重叠引起流线混乱 |
2.5.2 金陵制造局——自由布局适应生产流程 |
2.5.3 福州船政局——分区明确兼顾礼制秩序 |
2.5.4 天津机器局 |
2.5.5 广东机器局——传统合院影响厂区布局 |
2.5.6 北洋水师大沽船坞——缺乏规划下一事一建设 |
2.5.7 吉林机器局——完全独立自主设计 |
2.5.8 汉阳铁厂(汉阳兵工厂)——比邻建设带来资源共享 |
2.6 近代工业萌芽起步期军事工厂选址布局及建设特点 |
2.6.1 结合传统风俗观念择地因地制宜利用旧有建筑 |
2.6.2 有目的规划设计偏少与有控制的建设过程缺乏 |
2.6.3 自由生产流线与传统等级秩序制约的平面布局 |
2.6.4 功能复合下空间布局及建筑形式的本土化改良 |
2.7 国内外工业发展早期工厂规划设计及理论的发展 |
2.7.1 国外早期工厂建筑规划选址及设计 |
2.7.2 国内近代工厂选址设计理论的发展 |
2.8 本章小结 |
第3章 近代工业萌芽起步期西式木屋架技术发展与中西互鉴 |
3.1 中西木屋架技术之别及西式木屋架体系传入 |
3.1.1 中西技术差异——基于力学原理的形式差异 |
3.1.2 知识引介普及——《建筑新法》及书中所载木屋架类型 |
3.1.3 名称反应认知——西式木屋架及各构件名称演变 |
3.1.4 需求引发变革——工厂建筑西式木屋架应用概况 |
3.2 近代工业萌芽起步期工业建筑木屋架技术应用 |
3.2.1 洋务运动中的机器局兵工厂 |
3.2.2 民族工业发展下的工业建筑 |
3.3 构造技术发展与木材使用 |
3.3.1 整体性补强与抗震技术构件增加 |
3.3.2 木构架之间结合方式与位置选择 |
3.3.3 木屋架与墙体及柱子间结合方式 |
3.3.4 进口木料与国产木材的使用偏好 |
3.4 本章小结 |
第4章 近代工业快速发展期制砖工业化与工业建筑用砖技术 |
4.1 建材生产方式的改变——近代制砖工业技术发展 |
4.1.1 传统制砖技术延续 |
4.1.2 制砖技术的机械化 |
4.1.3 制砖工厂规划建设 |
4.2 建材生产变革的深入——产品类型变化与质量标准推行 |
4.2.1 产品及原料的多样化 |
4.2.2 规格与质量的标准化 |
4.3 建材生产变革的影响——制砖技术传播与砖瓦产业勃兴 |
4.3.1 制砖技术传播 |
4.3.2 制砖工业分布 |
4.4 工业建筑用砖技术的改变 |
4.4.1 “青”“红”之变——观念改变与技术改变之辩 |
4.4.2 砌筑方式——规格统一带来的改变 |
4.4.3 粘合材料——对应砌体改变的变化 |
4.4.4 特殊构造——回应工业生产的处理 |
4.5 本章小结 |
第5章 近代工业快速发展期水泥引进与工业建筑混凝土应用 |
5.1 从落后到超越——中国近代水泥工业发展 |
5.1.1 大量建设保障——中国近代水泥产量提升 |
5.1.2 窑体技术变革——国际水泥生产技术提升 |
5.1.3 后发外生优势——中国近代水泥技术提升 |
5.1.4 多样企业类型——中国近代着名水泥企业 |
5.1.5 曲折前进及多样技术来源 |
5.2 营建技术提升——近代混凝土工业建筑技术应用 |
5.2.1 西方近代钢筋混凝土技术发展及其在工业建筑的应用 |
5.2.2 “过渡型”的结构——钢骨混凝土结构的引入与应用 |
5.2.3 中国近代钢筋混凝土结构工业建筑的技术应用 |
5.2.4 近代工业快速发展期钢筋混凝土工业建筑营建技术特征 |
5.3 本章小结 |
第6章 近代工业发展放缓期工业建筑设计专业化 |
6.1 西方近代工业建筑设计发展与专业化 |
6.2 从“工匠”到“建筑师”——身份认同与地位转变 |
6.2.1 主业之外兼营副业——洋行发展与设计类洋行(机构)产生 |
6.2.2 华洋混合来源复杂——中国近代建筑设计师产生 |
6.2.3 工业建筑审批制度——《建筑工厂审核法》颁布 |
6.3 中国近代工业建筑设计机构与设计师 |
6.3.1 经验建设与跨界参与——非建筑专业人员的设计 |
6.3.2 以施工带入建筑设计——营造厂(施工方)的设计 |
6.3.3 执业特点与专业设计——专业建筑设计师设计 |
6.4 中国近代工业建筑设计发展与专业化过程特征 |
6.4.1 中国近代工业建筑设计特点 |
6.4.2 近代工业发展放缓期建筑设计专业化加速 |
6.5 本章小结 |
第7章 结论 |
7.1 研究主要成果及结论 |
7.1.1 中国近代城市工业发展分期方案 |
7.1.2 中国近代工业发展中工业建筑营建过程关键性技术问题探讨 |
7.1.3 技术的适应性及技术选择 |
7.1.4 营建技术观念及文化抗争 |
7.1.5 技术真实性及其重要意义 |
7.2 研究创新 |
7.2.1 系统梳理中国近代工业建筑建造技术史 |
7.2.2 分类研究建筑材料及其生产流程和技术应用 |
7.2.3 尝试对技术实现保障的制度和建筑师的研究 |
7.3 未竟之处 |
7.3.1 和海外的技术关联性需要进一步深入探索 |
7.3.2 和遗产物证的相关性需要进一步延伸拓展 |
7.3.3 研究营建技术发展尚未深入结构力学分析 |
参考文献 |
附录A:随文附表 |
附录B:随文附图 |
发表论文和参加科研情况说明 |
致谢 |
(5)多基线SAR三维成像技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 MB LSAR研究现状 |
1.2.2 MB CSAR研究现状 |
1.2.3 MB BiSAR研究现状 |
1.2.4 关键技术研究现状 |
1.3 目前存在的问题 |
1.4 论文主要工作及内容安排 |
第二章 MB SAR三维成像相关理论基础 |
2.1 引言 |
2.2 MB LSAR成像几何与信号模型 |
2.2.1 成像几何 |
2.2.2 回波信号 |
2.3 MB LSAR三维成像原理 |
2.3.1 层析向聚焦成像原理 |
2.3.2 层析向分辨率与采样要求 |
2.4 MB CSAR三维成像 |
2.4.1 三维脉冲响应函数 |
2.4.2 三维成像处理方式 |
2.5 本章小结 |
第三章 MB SAR层析相位误差校正 |
3.1 引言 |
3.2 MB SAR层析相位误差分析 |
3.3 基于PGA的 MB SAR层析相位误差校正 |
3.3.1 基于孤立散射体的层析相位误差校正 |
3.3.2 基于PGA的层析相位误差校正 |
3.4 基于SOA的 MB SAR层析相位误差校正 |
3.4.1 用锐利评价层析向聚焦质量的合理性 |
3.4.2 基于SOA的层析相位误差校正 |
3.5 实验结果 |
3.6 本章小结 |
第四章 MB SAR高分辨率三维成像 |
4.1 引言 |
4.2 MB SAR三维成像信号模型 |
4.3 MB SAR高分辨率三维成像 |
4.3.1 基于IAA的层析向聚焦 |
4.3.2 基于GLRT的模型阶数选择 |
4.3.3 MB SAR三维成像处理流程 |
4.4 层析向参数估计精度分析 |
4.5 实验结果 |
4.5.1 仿真实验结果 |
4.5.2 实测数据处理结果 |
4.6 本章小结 |
第五章 MB BiSAR三维成像 |
5.1 引言 |
5.2 成像模型 |
5.3 分辨率分析 |
5.3.1 距离向分辨率 |
5.3.2 方位向分辨率 |
5.3.3 层析向分辨率 |
5.4 基于快速BP算法的BiSAR二维成像 |
5.4.1 椭圆极坐标系下的子孔径成像 |
5.4.2 椭圆极坐标系下的子图像采样要求 |
5.4.3 算法实现流程 |
5.4.4 计算量分析 |
5.5 MB BiSAR三维成像处理流程 |
5.6 实验结果 |
5.6.1 BiSAR二维成像 |
5.6.2 MB BiSAR三维成像 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(6)基于深度学习的压缩感知图像重建算法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
序言 |
1 绪论 |
1.1 研究背景及意义 |
1.2 压缩感知理论关键技术 |
1.2.1 信号的稀疏表示 |
1.2.2 测量矩阵的设计 |
1.2.3 传统的信号重建算法 |
1.3 压缩感知研究现状 |
1.4 重建性能的评判标准 |
1.5 论文的组织结构 |
1.6 本章小结 |
2 深度学习理论基础 |
2.1 人工神经网络 |
2.1.1 人工神经元模型 |
2.1.2 互连结构 |
2.1.3 网络的学习方式 |
2.2 卷积神经网络 |
2.2.1 卷积神经网络基本概念 |
2.2.2 经典网络模型 |
2.3 本章小结 |
3 基于传统采样的压缩感知图像编码重建优化算法 |
3.1 引言 |
3.2 图像编码理论 |
3.3 总体方案设计 |
3.3.1 编解码模块 |
3.3.2 初步重建模块 |
3.3.3 深度重建模块 |
3.3.4 损失函数 |
3.4 模型训练和实验结果 |
3.4.1 模型训练和参数设置 |
3.4.2 实验结果及对比分析 |
3.5 本章小结 |
4 基于递进卷积采样的压缩感知图像重建算法 |
4.1 引言 |
4.2 总体方案设计 |
4.2.1 递进采样模块 |
4.2.2 递进重建模块 |
4.2.3 残差重建模块 |
4.2.4 损失函数 |
4.3 模型训练和实验结果 |
4.3.1 模型训练和参数设置 |
4.3.2 实验结果及对比分析 |
4.4 本章小结 |
5 基于多描述的压缩感知图像重建算法 |
5.1 引言 |
5.2 多描述编码基本思想 |
5.3 总体方案设计 |
5.3.1 多描述采样模块 |
5.3.2 重建模块 |
5.3.3 损失函数 |
5.4 模型训练和实验结果 |
5.4.1 模型训练和参数设置 |
5.4.2 实验结果及对比分析 |
5.5 本章小结 |
6 结论 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(7)图像超分辨技术及其在MRI中的应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究历史与现状 |
1.2.1 图像超分辨分类 |
1.2.2 超分辨数学模型 |
1.2.3 超分辨重建概述 |
1.2.4 MR图像超分辨 |
1.3 图像质量评估 |
1.3.1 主观评估方法 |
1.3.2 客观评估方法 |
1.4 主要研究内容 |
1.5 本文结构安排 |
1.6 本章小结 |
第二章 图像超分辨中的深度学习 |
2.1 引言 |
2.2 卷积神经网络 |
2.2.1 基本结构 |
2.2.2 上采样框架 |
2.3 生成对抗模型 |
2.3.1 基本概念 |
2.3.2 感知损失 |
2.4 层间跨步连接 |
2.4.1 残差连接 |
2.4.2 通道串接 |
2.5 本章小结 |
第三章 完全通道串接模型 |
3.1 引言 |
3.2 完全通道串接模型 |
3.2.1 加权通道串接 |
3.2.2 整体网络结构 |
3.2.3 通道串接组 |
3.2.4 目标函数 |
3.2.5 模型规模 |
3.2.6 实现细节 |
3.3 实验结果与分析 |
3.3.1 实验设置 |
3.3.2 模型分析 |
3.3.3 层间跨步连接 |
3.3.4 与其他方法比较 |
3.3.5 对抗训练模型 |
3.4 相关讨论 |
3.4.1 EDSR中的残差块 |
3.4.2 AWSRN中的残差块 |
3.4.3 联合注意机制 |
3.5 本章小结 |
第四章 通道划分模型 |
4.1 引言 |
4.2 基于深度学习的MR图像超分辨 |
4.2.1 MR图像超分辨 |
4.2.2 多流深度模型 |
4.3 通道划分模型 |
4.3.1 整体网络结构 |
4.3.2 通道划分块 |
4.3.3 多级残差机制 |
4.3.4 目标函数与网络深度 |
4.4 实验结果与分析 |
4.4.1 实现细节 |
4.4.2 样本生成 |
4.4.3 模型分析 |
4.4.4 与其他方法比较 |
4.5 讨论与未来工作 |
4.5.1 多分支划分 |
4.5.2 深度与宽度 |
4.5.3 分支结构 |
4.5.4 3D扩展 |
4.5.5 信息共享 |
4.6 本章小结 |
第五章 通道划分与串行融合模型 |
5.1 引言 |
5.2 通道识别与特征融合 |
5.2.1 通道识别 |
5.2.2 特征融合 |
5.3 通道划分与串行融合模型 |
5.3.1 整体网络结构 |
5.3.2 通道划分与串行融合块 |
5.3.3 通道划分与串行融合单元 |
5.3.4 网络规模分析 |
5.4 实验结果与分析 |
5.4.1 实验数据 |
5.4.2 实现细节 |
5.4.3 特征融合 |
5.4.4 通道划分 |
5.4.5 与其他方法比较 |
5.5 相关讨论 |
5.5.1 通道区别能力 |
5.5.2 图像退化模型 |
5.6 本章小结 |
第六章 轻量级侧抑制模型 |
6.1 引言 |
6.2 轻量级深度模型 |
6.2.1 侧抑制机制 |
6.2.2 轻量级模型 |
6.3 轻量级侧抑制模型 |
6.3.1 动机:视觉抑制 |
6.3.2 整体网络结构 |
6.3.3 侧抑制模块 |
6.3.4 侧抑制单元 |
6.4 实验结果与分析 |
6.4.1 实现细节 |
6.4.2 模型分析 |
6.4.3 与其他方法比较 |
6.5 本章小结 |
第七章 MRI的延伸应用 |
7.1 引言 |
7.2 吉布斯伪影抑制 |
7.2.1 相关工作 |
7.2.2 吉布斯伪影抑制模型 |
7.2.3 实验结果与分析 |
7.3 自动窗宽窗位预测 |
7.3.1 窗宽窗位预测概述 |
7.3.2 窗宽窗位预测模型 |
7.3.3 实验结果与分析 |
7.4 年龄预测 |
7.4.1 年龄预测模型 |
7.4.2 实验结果与分析 |
7.5 本章小结 |
第八章 全文总结与展望 |
8.1 全文总结 |
8.2 未来展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(8)面向图像细节优化的快速磁共振成像(论文提纲范文)
缩略语表 |
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容 |
1.4 论文结构安排 |
第2章 磁共振快速采集及重建方法 |
2.1 磁共振成像原理 |
2.1.1 核磁共振现象 |
2.1.2 弛豫 |
2.1.3 空间编码 |
2.1.4 k空间与图像 |
2.1.5 磁共振成像系统 |
2.2 快速成像方法 |
2.3 欠采重建方法 |
2.3.1 部分傅里叶 |
2.3.2 并行成像 |
2.3.3 压缩感知 |
2.3.4 深度学习 |
2.4 成像质量评估 |
第3章 基于迭代特征优化的快速成像方法 |
3.1 引言 |
3.2 基于交替最小化(AM)算法的CS-pMRI |
3.3 特征优化模块的设计 |
3.4 细节优化算子的构造 |
3.5 细节优化重建结果及分析 |
2.5.1 SFSS |
3.5.2 SBB |
3.5.3 L1-SPIRiT |
3.6 分析及讨论 |
3.6.1 前瞻性实验 |
3.6.2 计算复杂度及算法对比 |
3.6.3 细节优化算子参数分析 |
3.6.4 算法参数 |
3.7 颅内血管壁细节优化成像 |
3.8 本章小结 |
第4章 深度学习磁共振重建方法 |
4.1 引言 |
4.2 深度学习磁共振成像 |
4.2.1 模型驱动深度学习方法 |
4.2.2 数据驱动深度学习方法 |
4.3 基于模型的深度学习成像方法 |
4.3.1 原始对偶算法(PDHG) |
4.3.2 交替方向乘子法(ADMM) |
4.3.3 迭代软阈值算法(ISTA) |
4.4 网络结构及数据获取 |
4.4.1 网络结构 |
4.4.2 网络训练 |
4.4.3 训练及测试数据 |
4.5 实验结果 |
4.6 分析及讨论 |
4.6.1 训练数据集大小 |
4.6.2 网络稳定性 |
4.6.3 重建的准确性 |
4.6.4 模型约束释放的有效性 |
4.6.5 网络的数学可解释性 |
4.7 基于深度神经网络的高分辨头颈联合血管壁成像 |
4.8 存在的问题及后续发展方向 |
4.9 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(9)基于稀疏表示的图像超分辨率重建(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 本文的主要研究内容和章节安排 |
第二章 超分辨率重建算法研究基础 |
2.1 超分辨率重建的项目应用 |
2.2 基于稀疏表示的图像超分辨率重建 |
2.2.1 稀疏表示模型 |
2.2.2 稀疏分解算法 |
2.2.3 字典构建 |
2.3 基于深度学习的图像超分辨率重建 |
2.3.1 人类视觉原理 |
2.3.2 神经网络模型 |
2.4 本章小结 |
第三章 基于多特征提取的稀疏表示超分辨率重建 |
3.1 引言 |
3.2 基于稀疏表示的超分辨率重建模型 |
3.2.1 联合字典对的训练 |
3.2.2 基于联合字典对的重建 |
3.3 基于多特征提取的稀疏表示超分辨率重建模型 |
3.3.1 多特征提取 |
3.3.2 字典训练 |
3.4 实验结果及分析 |
3.4.1 图像质量评价指标 |
3.4.2 测试数据和条件 |
3.4.3 实验环境及参数设置 |
3.4.4 字典参数设置的影响 |
3.4.5 算法性能对比 |
3.5 本章小结 |
第四章 结合多残差网络和多特征提取的超分辨率重建 |
4.1 引言 |
4.2 基于多残差网络的重建框架 |
4.3 结合多残差网络和多特征提取的图像超分辨率重建 |
4.4 实验结果及分析 |
4.4.1 测试数据和条件 |
4.4.2 实验环境及参数设置 |
4.4.3 网络参数设置的影响 |
4.4.4 算法性能对比 |
4.5 应用评估 |
4.6 本章小结 |
第五章 结束语 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(10)影像组学在食管癌和头颈癌放射治疗中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
本文常用略语说明 |
第一章 绪论 |
1.1 引言 |
1.2 恶性肿瘤放射治疗 |
1.2.1 放疗技术的发展 |
1.2.2 IMRT放疗计划设计与实施 |
1.2.2.1 导入患者数据 |
1.2.2.2 图像融合与勾画靶区及危及器官 |
1.2.2.3 采用IMRT方式确定照射野参数 |
1.2.2.4 计划评估 |
1.2.2.5 放疗计划确认与实施 |
1.2.3 食管癌放射治疗 |
1.2.3.1 食管癌流行病学 |
1.2.3.2 食管癌的治疗及放疗的地位 |
1.2.4 头颈癌放射治疗 |
1.2.4.1 头颈癌流行病学 |
1.2.4.2 头颈癌的治疗及放疗的地位 |
1.3 多模态影像与现代精准放疗技术相结合 |
1.3.1 多模态影像在放疗中的应用价值 |
1.3.2 影像组学 |
1.3.3 影像组学的工作流程 |
1.3.4 影像组学的临床应用研究进展 |
1.4 食管癌和头颈癌放疗临床工作中面临的新课题 |
1.5 论文的主要工作 |
第二章 影像组学在食管鳞癌同步放化疗早期疗效预测中的研究 |
2.1 引言 |
2.2 影像组学特征提取算法 |
2.2.1 基于形态学的组学特征提取算法 |
2.2.2 基于灰度直方图的组学特征提取算法 |
2.2.3 基于纹理的组学特征提取算法 |
2.2.4 基于滤波和变换的组学特征提取算法 |
2.3 影像组学在食管癌诊疗中的应用 |
2.3.1 Radiomics与食管肿瘤分期 |
2.3.2 Radiomics与食管癌疗效预测 |
2.3.3 Radiomics与食管肿瘤预后 |
2.3.4 Radiomics与放射性肺炎预测 |
2.4 基于治疗前增强CT的影像组学分析预测食管鳞癌同步放化疗早期疗效的研究 |
2.4.1 主要研究内容概述 |
2.4.2 数据和方法 |
2.4.2.1 入组患者情况 |
2.4.2.2 IMRT |
2.4.2.3 疗效评估 |
2.4.2.4 肿瘤感兴趣区(ROI)勾画 |
2.4.2.5 二维和三维CT影像组学特征提取 |
2.4.2.6 统计分析 |
2.4.2.7 特征选择与预测模型 |
2.4.2.8 模型验证 |
2.4.3 实验结果 |
2.4.4 讨论 |
2.5 基于治疗前的T2W和 SPAIR T2W MR图像的二维影像组学分析在预测食管鳞癌同步放化疗早期疗效的对比研究 |
2.5.1 主要研究内容概述 |
2.5.2 数据和方法 |
2.5.2.1 入组患者情况 |
2.5.2.2 MR扫描参数 |
2.5.2.3 IMRT |
2.5.2.4 疗效评估 |
2.5.2.5 肿瘤感兴趣区(ROI)勾画 |
2.5.2.6 二维MR影像组学特征提取 |
2.5.2.7 统计分析 |
2.5.2.8 特征选择与预测模型 |
2.5.2.9 模型验证 |
2.5.3 实验结果 |
2.5.4 讨论 |
2.6 本章小结 |
2.7 本章创新点 |
第三章 影像组学在头颈癌复发模式中的应用研究 |
3.1 引言 |
3.2 头颈肿瘤放射治疗复发模式-野内、野外、边缘 |
3.3 基于SPAIR T2W MR图像的三维影像组学分析预测鼻咽癌野内复发 |
3.3.1 主要研究内容概述 |
3.3.2 数据和方法 |
3.3.2.1 入组患者情况 |
3.3.2.2 MR扫描参数 |
3.3.2.3 IMRT |
3.3.2.4 复发病灶剂量学分析及复发模式的定义 |
3.3.2.5 三维影像组学特征提取 |
3.3.2.6 统计分析 |
3.3.2.7 特征降维与预测模型 |
3.3.3 实验结果 |
3.3.4 讨论 |
3.4 本章小结 |
3.5 本章创新点 |
第四章 影像组学在食管癌局部放射性肺损伤中的预测价值 |
4.1 引言 |
4.2 Radiomics分析在放射性肺损伤中相关研究进展 |
4.3 卷积神经网络和迁移学习在医学图像中的相关研究进展 |
4.4 基于CT和迁移学习的食管癌局部放射性肺损伤预测方法研究 |
4.4.1 主要研究内容概述 |
4.4.2 数据和方法 |
4.4.2.1 入组患者情况 |
4.4.2.2 图像配准和肺部感兴趣区(ROI)获取 |
4.4.2.3 ROI标定 |
4.4.2.4 数据预处理和数据增强 |
4.4.2.5 迁移学习网络 |
4.4.2.6 模型训练和验证 |
4.4.3 实验结果 |
4.4.4 讨论 |
4.5 本章小结 |
4.6 本章创新点 |
第五章 总结与展望 |
5.1 全文工作总结 |
5.1.1 基于治疗前增强CT的影像组学分析预测食管鳞癌同步放化疗早期疗效的研究 |
5.1.2 基于治疗前的T2W和 SPAIRT2WMR图像的二维影像组学特征在预测食管鳞癌同步放化疗早期疗效的对比研究 |
5.1.3 基于SPAIR T2W MR图像的三维影像组学分析预测鼻咽癌野内复发 |
5.1.4 基于CT和迁移学习的食管癌局部放射性肺损伤预测方法研究 |
5.2 未来工作展望 |
参考文献 |
附录 .实体瘤疗效评价标准1.1版 |
致谢 |
个人简历 |
攻读博士学位期间发表论文清单 |
四、获取高质量MR图像的要素浅析(论文参考文献)
- [1]慢性肢体威胁性缺血治疗的全球血管指南(全译)[J]. 血管外科学会,欧洲血管外科学会和世界血管学会联盟全球血管指南编写小组. 中华血管外科杂志, 2021(Z1)
- [2]基于MR的巡视探测遥操作场景建模及交互技术研究[D]. 徐臻. 湖北工业大学, 2020(03)
- [3]基于深度学习的超极化气体肺部快速磁共振成像[D]. 段曹辉. 中国科学院大学(中国科学院武汉物理与数学研究所), 2020(02)
- [4]中国近代工业建筑营建过程关键性技术问题研究(1840-1949)[D]. 赖世贤. 天津大学, 2020
- [5]多基线SAR三维成像技术研究[D]. 冯东. 国防科技大学, 2020(01)
- [6]基于深度学习的压缩感知图像重建算法研究[D]. 赵晨. 北京交通大学, 2020(03)
- [7]图像超分辨技术及其在MRI中的应用研究[D]. 赵小乐. 电子科技大学, 2020(07)
- [8]面向图像细节优化的快速磁共振成像[D]. 程静. 中国科学院大学(中国科学院深圳先进技术研究院), 2019(02)
- [9]基于稀疏表示的图像超分辨率重建[D]. 于露露. 西安电子科技大学, 2019(02)
- [10]影像组学在食管癌和头颈癌放射治疗中的应用研究[D]. 侯震. 东南大学, 2019(06)