磁共振图像处理中若干问题的研究

磁共振图像处理中若干问题的研究

论文摘要

磁共振成像以其对人体无损害、可以采用多种参数成像和能够反映器官或组织的生化特征等特点,成为科研和医学临床诊断的重要手段之一。本论文围绕磁共振成像中的几个突出问题:磁共振图像截断伪影去除、磁共振图像去噪和磁共振图像与其它模态医学图像的融合为主题,开展一系列的研究工作。 减少相位编码数量导致的磁共振图像截断伪影只沿图像的一个方向(水平方向),利用二进小波变换将含截断伪影的图像分解为近似子图和水平及垂直细节子图,充分利用磁共振图像截断伪影是由垂直细节子图中的某些频率分量决定的这一特点,为尽可能地保持图像的细节特征,只对含截断伪影的垂直细节子图进行处理(现有文献都是对所有细节子图进行全局处理,因而损失了图像的细节特征。)而其它子图不受损伤。具体在处理时又采用了三种方案:(1) 利用近似子图和各级水平细节子图构造平滑图像,然后按特定的准则向平滑图像添加高频成分以提高图像的空间分辨率。(2) 只对垂直细节子图进行阈值收缩去除截断伪影,然后进行图像重建。(3) 对垂直细节子图进行多分辨率小波分解,去除导致截断伪影的主要信号分量之后进行图像重建。 小波变换和偏微分方程在图像处理中的应用是近年来图像处理中的两个最新进展。在磁共振图像去噪方面,我们提出了一个基于二进小波变换的直接对复数磁共振图像数据去噪的算法,与传统的Wiener去噪相比该算法具有更好的去噪效果。传统的各向异性扩散去噪是利用图像梯度构造控制扩散滤波的扩散张量,我们基于小波变换提取的图像特征构造扩散张量,取得了更好的去噪效果。 图像融合是图像处理中的关键技术之一。它在军事和民用图像处理领域获得了

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 磁共振成像原理
  • 1.1.1 核磁共振现象
  • 1.1.2 核磁共振信号的检测
  • 1.1.3 磁共振图像的重建
  • 1.2 本论文的工作
  • 参考文献
  • 第二章 小波变换及各向异性扩散基本理论
  • 2.1 小波变换基本理论
  • 2.1.1 窗口Fourier变换
  • 2.1.2 连续小波变换
  • 2.1.3 二进小波变换
  • 2.1.4 离散二进小波变换
  • 2.1.5 多分辨分析与正交小波变换
  • 2.1.6 二维小波分解与重构算法
  • 2.2 各向异性扩散滤波理论
  • 2.2.1 线性扩散滤波
  • 2.2.2 各向异性扩散滤波
  • 2.2.3 基于结构张量的各向异性扩散
  • 2.3 小结
  • 参考文献
  • 第三章 磁共振图像截断伪影及其去除
  • 3.1 现有的处理方法及存在的问题
  • 3.2 截断伪影模型
  • 3.3 基于二进小波变换减小磁共振图像截断伪影
  • 3.3.1 算法
  • 3.3.2 实验结果及讨论
  • 3.4 基于小波收缩减小磁共振图像截断伪影
  • 3.4.1 算法
  • 3.4.2 实验结果及讨论
  • 3.5 基于二进小波变换多分辨率分解减小磁共振图像截断伪影
  • 3.5.1 算法
  • 3.5.2 实验结果及讨论
  • 3.6 小结
  • 参考文献
  • 第四章 磁共振图像去噪
  • 4.1 磁共振图像中的噪声
  • 4.2 磁共振图像的小波域去噪的发展现状
  • 4.2.1 收缩法去噪
  • 4.2.2 基于小波变换模极大值去噪
  • 4.3 基于二进小波变换的磁共振图像Wiener去噪方法
  • 4.3.1 算法
  • 4.3.2 实验结果及讨论
  • 4.4 基于偏微分方程的各向异性扩散图像去噪方法
  • 4.5 基于二进小波变换的各向异性扩散图像去噪
  • 4.5.1 非线性各向异性扩散
  • 4.5.2 实验结果及讨论
  • 4.6 小结
  • 参考文献
  • 第五章 基于小波分解的医学图像融合
  • 5.1 图像融合概述
  • 5.2 图像融合效果的评价
  • 5.2.1 图像融合效果的主观评价
  • 5.2.2 图像融合效果的客观评价
  • 5.3 小波变换多尺度积
  • 5.4 基于多尺度积的图像融合
  • 5.4.1 图像融合规则
  • 5.4.2 实验结果及讨论
  • 5.5 基于小波变换多尺度积局部能量(MPLEDDWT)的图像融合
  • 5.5.1 基于多尺度积局部能量的图像融合规则
  • 5.5.2 实验结果及讨论
  • 5.6 基于小波变换多尺度积局部统计量(MPLSDDWT)的图像融合
  • 5.6.1 基于多尺度积局部统计量的图像融合规则
  • 5.6.2 实验结果及讨论
  • 5.7 小结
  • 参考文献
  • 第六章 总结
  • 攻读博士学位期间以第一作者撰写的论文目录
  • 致谢
  • 作者简历
  • 相关论文文献

    • [1].基于级联卷积神经网络的前列腺磁共振图像分类[J]. 波谱学杂志 2020(02)
    • [2].基于心脏电影磁共振图像的左心肌分割新进展[J]. 中国生物医学工程学报 2020(02)
    • [3].腿部磁共振图像脂肪分割方法的研究[J]. 北京生物医学工程 2010(05)
    • [4].磁共振检查别让金属来捣蛋[J]. 康颐 2016(09)
    • [5].影像护理配合对提升脑卒中患者磁共振图像质量的效果[J]. 影像技术 2020(05)
    • [6].磁共振检查应用于肺部检查技术探究[J]. 心理月刊 2019(19)
    • [7].基于动态全变差的动态磁共振图像重建[J]. 信息技术 2017(06)
    • [8].基于磁共振图像与波谱的专家辅助诊断系统的设计[J]. 中国生物医学工程学报 2016(04)
    • [9].深度迭代融合的脑部磁共振图像颅骨去除网络[J]. 中国图象图形学报 2020(10)
    • [10].基于边缘检测算子的腰椎磁共振图像的比较[J]. 生物医学工程研究 2012(01)
    • [11].基于磁共振图像的脑肿瘤自动识别与分析[J]. 北京工业大学学报 2012(06)
    • [12].用于神经外科手术的磁共振图像导航机器人的兼容性研究[J]. 机器人 2009(03)
    • [13].基于磁共振图像的多层介质声学特性分析[J]. 计量学报 2020(09)
    • [14].临床与影像护理配合对脑卒中患者磁共振图像质量的影响[J]. 中国实用医药 2018(21)
    • [15].基于边界跟踪算法的脑磁共振图像分割[J]. 中国医学物理学杂志 2012(06)
    • [16].基于心脏电影磁共振图像的左心肌运动追踪方法综述[J]. 生物医学工程学杂志 2020(03)
    • [17].基于磁共振图像影像组学对直肠癌新辅助放化疗疗效评估的研究进展[J]. 磁共振成像 2020(10)
    • [18].一种改进的磁共振图像自动调窗算法[J]. 中国医疗器械杂志 2011(04)
    • [19].基于残差网络编解码的磁共振图像修复算法[J]. 计算机工程与设计 2020(01)
    • [20].基于深度学习的心脏磁共振图像分割[J]. 绿色科技 2020(06)
    • [21].基于随机森林的脑磁共振图像分类[J]. 电子测量与仪器学报 2013(11)
    • [22].深度学习在磁共振图像重建和射频热点分布定量计算中的应用[J]. 人工智能 2020(01)
    • [23].磁共振图像质量控制中的若干评价指标探讨[J]. 中国医疗设备 2016(07)
    • [24].基于数学形态学膨胀和腐蚀的医学磁共振图像的边缘检测[J]. 生物医学工程与临床 2012(01)
    • [25].基于小波变换的磁共振图像增强[J]. 中国医疗器械信息 2010(10)
    • [26].联合局部和全局稀疏表示的磁共振图像重建方法[J]. 重庆大学学报 2017(01)
    • [27].基于非局部拉格朗日乘子的磁共振图像重建[J]. 中国科学技术大学学报 2017(08)
    • [28].基于L_(1/2)正则项的磁共振图像稀疏重构[J]. 河北工业大学学报 2015(04)
    • [29].2016年1月—2017年6月间磁共振图像质量控制中的相关评价指标探讨[J]. 中国卫生产业 2017(36)
    • [30].10例颅内生殖细胞瘤的磁共振图像分析[J]. 现代诊断与治疗 2013(10)

    标签:;  ;  ;  ;  ;  ;  ;  

    磁共振图像处理中若干问题的研究
    下载Doc文档

    猜你喜欢