本文選題：動(dòng)態(tài)對(duì)比度增強(qiáng)磁共振灌注成像 + 腦血容積��； 參考：《振動(dòng)與沖擊》2016年16期

【摘要】：針對(duì)動(dòng)態(tài)對(duì)比度增強(qiáng)磁共振灌注成像中腦血容積的計(jì)算,提出基于Hankel矩陣的奇異值分解(Singular Value Decomposition,SVD)算法。在奇異值數(shù)目的確定上采用差分譜量級(jí)差的研究方法,對(duì)算法進(jìn)行理論推導(dǎo)與仿真模擬,得到較為理想的濾波效果。由于成像過(guò)程存在測(cè)量噪聲的干擾,分析了信噪比和示蹤劑延遲對(duì)算法的影響。仿真結(jié)果表明,信噪比越低(SNR=5 d B),算法處理效果越明顯;信噪比增高(SNR=100 d B),估計(jì)值偏差減小,結(jié)果越為準(zhǔn)確。且該算法不受示蹤劑延遲的影響。與傳統(tǒng)奇異值分解算法相比,采用基于Hankel矩陣的奇異值算法可以更為準(zhǔn)確地估計(jì)腦血容積。
[Abstract]:Aiming at the calculation of cerebral blood volume in dynamic contrast enhanced magnetic resonance perfusion imaging, a singular Value decomposition (SVD) algorithm based on Hankel matrix is proposed. In order to determine the number of singular values, the differential spectral magnitude difference method is used to derive and simulate the algorithm in theory, and a more ideal filtering effect is obtained. The influence of signal-to-noise ratio (SNR) and tracer delay on the algorithm is analyzed because of the interference of measurement noise in the imaging process. The simulation results show that the lower SNR is, the more obvious the processing effect is, and the higher SNR is 100 dB ~ (-1), the smaller the estimated deviation is, and the more accurate the result is. The algorithm is not affected by tracer delay. Compared with the traditional singular value decomposition (SVD) algorithm, the SVD algorithm based on Hankel matrix can estimate the brain blood volume more accurately.
【作者單位】： 河北工業(yè)大學(xué)電氣工程學(xué)院;
【基金】：河北省自然科學(xué)基金項(xiàng)目資助(E2013202238)
【分類號(hào)】：R445.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 陳作炳,錢湘萍,李春光;基于奇異值正交分解ECG信號(hào)的重建[J];武漢理工大學(xué)學(xué)報(bào);2001年10期

相關(guān)會(huì)議論文 前4條

1 田玉平;;混合攝動(dòng)下計(jì)算結(jié)構(gòu)奇異值的新方法[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

2 楊乾堂;周輝;李慧明;;奇異值相減消噪算法[A];全國(guó)第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)�？痆C];2009年

3 張光磊;周彤;;2-D FM-I系統(tǒng)的漸近穩(wěn)定性[A];第25屆中國(guó)控制會(huì)議論文集（中冊(cè)）[C];2006年

4 王國(guó)軍;蔣美華;王俊;;載荷譜信號(hào)奇異值剔除與降噪處理[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 李葵;基于二次SVD和VPMCD的滾動(dòng)軸承故障智能診斷方法研究[D];昆明理工大學(xué);2015年

2 張愛平;結(jié)構(gòu)奇異值μ綜合方法的應(yīng)用研究[D];華北電力大學(xué)（河北）;2004年

3 馮富強(qiáng);基于奇異值濾波的醫(yī)學(xué)CT圖像噪聲和偽影去除研究[D];南京郵電大學(xué);2013年

4 傅冬穎;一類反奇異值問題的數(shù)值求解[D];浙江大學(xué);2010年

5 王倩;基于奇異值識(shí)別的多模式過(guò)程PCA監(jiān)控[D];北京化工大學(xué);2012年

6 胡萬(wàn)寶;人臉識(shí)別中的特征分析[D];北京化工大學(xué);2012年

7 耿宇斌;基于Morlet小波與SVD的旋轉(zhuǎn)機(jī)械故障特征提取算法研究[D];華南理工大學(xué);2015年

8 譚曼瓊;奇異值分解算法邏輯設(shè)計(jì)的資源優(yōu)化問題研究[D];湖南大學(xué);2011年

9 郭爽;心電信號(hào)消噪及特征識(shí)別算法的研究[D];中南大學(xué);2009年

10 劉欣;基于光聲光熱檢測(cè)技術(shù)的材料物理參數(shù)分布重構(gòu)新方法的研究[D];天津師范大學(xué);2012年

，

本文編號(hào)：1969747