2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩109頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、擴散張量成像是20世紀90年代發(fā)展起來的一種新的核磁共振成像技術(shù),是目前世界上唯一能夠無創(chuàng)檢測活體組織中水分子擴散情況的醫(yī)學(xué)成像技術(shù)。它能夠提供人體的組織結(jié)構(gòu)信息以及大腦白質(zhì)纖維束的分布信息,對于大腦皮質(zhì)及皮質(zhì)下白質(zhì)纖維的研究以及大腦的多種疾病如腫瘤、梗死、認知等研究都有其獨特的優(yōu)勢。因而在醫(yī)學(xué)成像領(lǐng)域中具有非常大的應(yīng)用前景。
   本文對擴散張量成像的張量估算及相關(guān)技術(shù)研究主要包括三個方面:擴散張量圖像中的噪聲的特點及其對擴散

2、張量成像的影響研究、擴散張量圖像的張量估算方法的研究、擴散張量圖像的降噪方法的研究。首先根據(jù)核磁共振擴散張量成像的機理,對擴散張量圖像中噪聲的分布特性及其對擴散張量圖像的影響進行了分析。研究中通過對擴散張量圖像中的噪聲來源進行深入分析,并在此基礎(chǔ)上建立了擴散張量圖像的萊斯噪聲模型,同時基于該含噪模型提出了采用矩估計的方法對核磁共振擴散張量圖像的噪聲進行估算,這種方法能夠更加有效地對擴散張量的噪聲進行估計。進一步,我們在該含噪模型的基礎(chǔ)上

3、通過蒙特卡羅仿真實驗深入分析擴散張量圖像及其導(dǎo)出量如張量各向異性值(Fractional Anisotropy FA)及張量跡(Trace)等參數(shù)值在噪聲影響下產(chǎn)生的偏差,總結(jié)了擴散張量特性在不同噪聲下的變化規(guī)律,這些規(guī)律對于圖像的校正、分析及診斷都具有非常重要的意義。其次,在擴散張量的估計方面,我們針對擴散張量圖像的成像原理,建立擴散張量的估算模型。并針對圖像中的異常數(shù)據(jù)的特點及其對張量估算的影響進行分析。同時對張量估算領(lǐng)域中經(jīng)典的最

4、小二乘估計法進行了深入研究,針對最小二乘估計法穩(wěn)健性比較差的特點提出了將M估計、HBP估計及MM估計等穩(wěn)健估計算法應(yīng)用于擴散張量的估算中,并對各估計算法在擴散張量估計中的效果進行分析比較,采用模擬以及真實數(shù)據(jù)進行實驗驗證,通過實驗發(fā)現(xiàn):在擴散張量的估算中,穩(wěn)健估計算法中的MM估計兼具非常好的穩(wěn)健性及估計效率,較其他算法能夠得到更好的張量估計結(jié)果。最后,我們基于擴散張量圖像的特點,對非線性及線性濾波器在擴散張量圖像降噪中的應(yīng)用進行研究。由

5、于擴散張量圖像的噪聲為萊斯噪聲、數(shù)據(jù)量非常大并且對數(shù)據(jù)要求進行實時處理,所以要求用于擴散張量圖像降噪的濾波器能夠較好的保留圖像邊界并且運算簡單。根據(jù)這些特點,我們對維納濾波器在擴散張量圖像降噪中的應(yīng)用進行了深入分析,針對維納濾波器在保留圖像邊界和不能有效去除萊斯噪聲等方面的不足提出了鄰域偏移算法以及萊斯校正算法。并進一步采用鄰域偏移算法及萊斯校正算法對維納濾波器進行修正,從而使其更好地適用于對擴散張量圖像的降噪處理。我們通過模擬數(shù)據(jù)及真

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論