基于人工智能的磁共振图像重建和计算机辅助诊断的研究
【文章页数】:121 页
【学位级别】:博士
【部分图文】:
图1.1含有一层隐含层的神经网络示意图
图1.1含有一层隐含层的神经网络示意图。上,含有一层隐含层的神经网络可以以任意精度逼近任何函数含层上的节点个数30。受计算能力的限制,浅层神经网络隐含导致模型计算效率低、模型建立成本高,近几年的网络设计倾节点减少,增加隐含层层数,即使得神经网络结构变深,此时(DeepNeur....
图2.1CODE重建算法流程图
图2.1CODE重建算法流程图。2.2.2CODE实验的模拟数据和MRA数据通过模拟数据和真实MRA数据进行实验验证。数据采用一系列的圆形结构和月形结构,用来模拟不同大小的窄血管截面。模拟数据使用10241024大小的矩阵进行构造分布为16、18、……、60....
图2.2CODE采样方式(左)和CS采样方式(右)
ODE采样方式(左)和CS采样方式(右)。其中CODE集中间的低频部分,能够获得更高的信噪比。使用RUS、CS和CODE分别在512512的矩阵大小上进行与全采的图像(FullySampled,FS)进行比较。测量圆形结构中面积误差由公式⑾表示。针对月形结构,....
图2.3RUS、CS和CODE在25%采样率条件下对不同尺度的模拟数据(16体素和6体素)在不同重建矩阵大小(256256、512512、10241024)的重建效果,右上角是边缘的放大图
统计方法采用配对t检验,显著性指标选择0.05。以上实验我们使用Matlab2015a(TheMathWorks,Inc.)进行实现,实验平台为Windows10、英特尔i7处理器和16GB内存;血管截面计算和狭窄程度计算使用SPIN(SignalProce....
本文编号:3908324
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3908324.html