在心臟疾病診斷和心功能評(píng)估等領(lǐng)域中，基于核磁共振成像(Magnetic resonance imaging，MRI)序列的心臟運(yùn)動(dòng)和形變估計(jì)是一個(gè)不可忽視的研究方向，尤其是左心室(Left Ventrical，LV)MRI序列所反映的運(yùn)動(dòng)信息對(duì)于心臟的功能評(píng)估具有重要的價(jià)值。 針對(duì)實(shí)際應(yīng)用的不同側(cè)重點(diǎn)，本文核心內(nèi)容包括三方面：LV的運(yùn)動(dòng)矢量場(chǎng)估計(jì)、LV參數(shù)化運(yùn)動(dòng)跟蹤模型和LV的概率跟蹤模型。前者可以用來(lái)構(gòu)造跟蹤的時(shí)空約束條件，并可獨(dú)立進(jìn)行研究；后兩者為本文中以復(fù)合跟蹤模型(Mutiple Active Contour Model，MACM)和廣義模糊粒子濾波(Generalized Fuzzy Partical Filter,GFPF)為代表的兩類跟蹤技術(shù)。傳統(tǒng)方法中的參數(shù)化ACM和PF概率算法分別用來(lái)解決閉合輪廓的跟蹤和逐點(diǎn)的狀態(tài)估計(jì)、軌跡描述。而今GFPF具備更高的靈活性和可控性，GFPF不僅被用來(lái)跟蹤點(diǎn)的運(yùn)動(dòng)還可描述輪廓和曲線的運(yùn)動(dòng)，其魯棒性可以在精度與速度間折中考慮。 LV的收縮和舒張屬于非剛體運(yùn)動(dòng)，且LV邊緣輪廓比較模糊，通常含有噪聲，當(dāng)前的各種估計(jì)和跟蹤算法...

【文章頁(yè)數(shù)】：110 頁(yè)

【文章目錄】：
摘要
ABSTRACT
目錄
第一章 緒論
    1.1 綜述
    1.2 研究的意義和主要貢獻(xiàn)
    1.3 主要內(nèi)容和結(jié)構(gòu)安排
    參考文獻(xiàn)
第二章 運(yùn)動(dòng)矢量場(chǎng)的估計(jì)
    2.1 序列圖像的二維矢量場(chǎng)估算
    2.2 光流方程
    2.3 塊匹配方法
    2.4 運(yùn)動(dòng)估計(jì)的相位相關(guān)算法
    2.5 貝葉斯運(yùn)動(dòng)估計(jì)算法
        2.5.1 概率模型的建立
        2.5.2 似然模型的構(gòu)造
        2.5.3 先驗(yàn)?zāi)Ｐ偷臉?gòu)造
    2.6 估計(jì)的評(píng)價(jià)標(biāo)準(zhǔn)與實(shí)驗(yàn)分析
    參考文獻(xiàn)
第三章 GIBBS-MARKOV運(yùn)動(dòng)估計(jì)
    3.1 MARKOV隨機(jī)場(chǎng)與GIBBS模型
    3.2 GIBBS線處理模型
        3.2.1 估計(jì)的準(zhǔn)則
        3.2.2 模型的建立
        3.2.3 Gibbs后驗(yàn)估計(jì)
        3.2.4 計(jì)算與實(shí)現(xiàn)
    3.3 GIBBS模糊融合模型(GFFM)
        3.3.1 不連續(xù)自適應(yīng)融合模型
        3.3.2 模糊邏輯方法
        3.3.3 模糊融合模型
    3.4 實(shí)驗(yàn)分析與效果比較
    參考文獻(xiàn)
第四章 LV邊緣的提取與邊緣梯度場(chǎng)
    4.1 LV邊緣的提取
        4.1.1 經(jīng)典邊緣檢測(cè)算子
        4.1.2 標(biāo)準(zhǔn)與評(píng)價(jià)
    4.2 廣義模糊理論(GF)及廣義模糊邊緣(GFB)提取
    4.3 ^*廣義模糊梯度矢量流場(chǎng)(GFGVF)
    4.4 ^*基于GFGVF的SNAKE邊緣提取
    參考文獻(xiàn)
第五章 *LV參數(shù)化輪廓跟蹤模型
    5.1 外力場(chǎng)
    5.2 魯棒的輪廓跟蹤模型
    5.3 實(shí)驗(yàn)與分析
    參考文獻(xiàn)
第六章 基于MAP的點(diǎn)跟蹤方法
    6.1 算法的構(gòu)造與實(shí)現(xiàn)
    6.2 實(shí)驗(yàn)與分析
    參考文獻(xiàn)
第七章 非線性非高斯?fàn)顟B(tài)估計(jì)
    7.1 非線性非高斯?fàn)顟B(tài)估計(jì)與跟蹤
        7.1.1 概念與方法
        7.1.2 分類與發(fā)展
    7.2 蒙特卡羅技術(shù)
        7.2.1 介紹
        7.2.2 重要性采樣
        7.2.3 拒絕采樣
    7.3 馬爾可夫鏈蒙特卡羅方法(MCMC)
        7.3.1 Metropolis-Hasting算法
        7.3.2 Gibbs采樣
    7.4 粒子退化的傳統(tǒng)解決方案
    參考文獻(xiàn)
第八章 *LV運(yùn)動(dòng)跟蹤的廣義模糊粒子濾波算法
    8.1 概念與方案
    8.2 廣義模糊重要比率
        8.2.1 理想狀態(tài)與試探分布
        8.2.2 試探分布的廣義模糊隸屬度集合
        8.2.3 粒子退化的廣義模糊權(quán)解決方案
    8.3 觀測(cè)點(diǎn)的似然估計(jì)
        8.3.1 生成數(shù)據(jù)約束條件
        8.3.2 基于粒子采樣空間的似然估計(jì)模型
    8.4 基于GFPF的動(dòng)態(tài)輪廓跟蹤
        8.4.1 似然密度、先驗(yàn)密度的計(jì)算
        8.4.2 GFPF實(shí)現(xiàn)
    8.5 分析與實(shí)驗(yàn)
    參考文獻(xiàn)
第九章 MRI心功能評(píng)估
    9.1 心功能評(píng)價(jià)相關(guān)技術(shù)與近期發(fā)展
        9.1.1 心電門控MRI與MRI電影
        9.1.2 心功能評(píng)估手段與近期的發(fā)展
    9.2 運(yùn)動(dòng)估計(jì)與跟蹤算法對(duì)心功能評(píng)估的貢獻(xiàn)
        9.2.1 ^*LV容積的計(jì)算
        9.2.2 ^*LV參數(shù)的測(cè)量
    參考文獻(xiàn)
第十章 結(jié)論與展望
    10.1 結(jié)論
    10.2 展望
    參考文獻(xiàn)
攻讀博士期間發(fā)表的論文
攻讀博士期間承擔(dān)課題與申請(qǐng)專利的情況
致謝



本文編號(hào)：3857545