基于深度学习的CT重建方法研究：从稀疏角度进行扫描分析.docxVIP

基于深度学习的CT重建方法研究：从稀疏角度进行扫描分析

目录

基于深度学习的CT重建方法研究：从稀疏角度进行扫描分析（1）．．．4

文档概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

深度学习基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.1深度学习概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

2.2卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.3深度学习在图像处理中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

CT重建方法概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

3.1传统CT重建方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

3.2深度学习在CT重建中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

稀疏角度CT重建问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

4.1稀疏角度的特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

4.2稀疏角度对CT重建的影响．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

4.3针对稀疏角度的CT重建挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

基于深度学习的稀疏角度CT重建方法．．．．．．．．．．．．．．．．．．．．．．．26

5.1稀疏表示与字典学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

5.2深度学习模型设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

5.3模型训练与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

实验与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

6.1实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

6.2实验结果展示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

6.3结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

7.1研究成果总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

7.2存在的问题与不足．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

7.3未来研究方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

基于深度学习的CT重建方法研究：从稀疏角度进行扫描分析（2）．．43

内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

1.2CT成像基本原理概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

1.3深度学习在图像重建领域的应用．．．．．．．．．．．．．．．．．．．．．．．．．．48

1.4基于稀疏表示的扫描分析研究现状．．．．．．．．．．．．．．．．．．．．．．．．49

1.5本文主要研究内容及结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

相关理论与技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

2.1CT图像重建数学模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

2.1.1逆问题求解概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

2.1.2离散化方法介绍．．