【摘要】： 人腦的高級(jí)功能是自然界中最復(fù)雜的運(yùn)動(dòng)形式之一。在人腦高級(jí)功能的研究中，需要取得人腦各個(gè)腦區(qū)在受到刺激時(shí)的反映，采用PET、SPECT、fMRI等設(shè)備可以獲得腦高級(jí)功能實(shí)驗(yàn)所需的具有較高分辨率的圖像。鑒于成像過程中不可避免會(huì)有噪音干擾和由于被試運(yùn)動(dòng)引起的影像的失真和位置的偏移，有效的信號(hào)檢測技術(shù)和圖像處理技術(shù)在研究過程中是必不可少的。 腦功能成像技術(shù)是研究腦科學(xué)的重要工具，研究中通常需要將同一病人的多種模式成像結(jié)果或同一模式的時(shí)間序列結(jié)果結(jié)合起來分析，首先要解決的問題就是幾幅圖像的嚴(yán)格對(duì)齊問題，即所謂的圖像配準(zhǔn)�，F(xiàn)行對(duì)醫(yī)學(xué)圖像配準(zhǔn)的研究通常是采用修正的Gauss-Newton法，通過計(jì)算需配準(zhǔn)圖像和參考圖像之間殘差平方和的極小值，得到圖像變換的最優(yōu)解。本文在傳統(tǒng)Gauss-Newton法的基礎(chǔ)上，對(duì)其進(jìn)行了改進(jìn)，即在求搜索方向p時(shí)，引入了一種較為實(shí)用有效的求解線性方程組的算法。該算法的引入避免了Gauss-Newton法中矩陣求逆的過程，從而避免了Jacobi矩陣奇異時(shí)的舍入誤差，提高了算法的計(jì)算速度和精度。 另外，針對(duì)Gauss-Newton法對(duì)迭代初值要求較高和容易陷入局部極小而達(dá)不到全局極值這些缺陷，本文對(duì)解決全局優(yōu)化效果較好的模擬退火算法進(jìn)行了相應(yīng)的討論。在本文中引入了一種改進(jìn)的模擬退火算法模型——有記憶的模擬退火算法，該算法對(duì)迭代初值要求不高并通過記憶功能有效的避免了最終解不是整個(gè)搜索過程中的最優(yōu)解的現(xiàn)象，從而提高了算法所得解的質(zhì)量。 最后，本文通過實(shí)際算例對(duì)Gauss-Newton法和模擬退火兩種算法進(jìn)行了比較分析。
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2002
【分類號(hào)】：R312
【圖文】：

足:l夢G(‘)dt一o(2·2，這樣的梯度被稱為“平衡”梯度(圖2.6(a))。值得注意的是:用A和B標(biāo)志的兩個(gè)梯度波瓣，具有相同的面積。1800好脈沖把自旋翻轉(zhuǎn)到其鏡像位置，即改變相位的符號(hào)，故也叫“倒像脈沖”或聚焦脈沖。在沒有1800盯脈沖得情況下(圖2.6(b))，梯度A和梯度B的極性相反并滿足方程式(2.2)。從圖2.6(c)可以看到，由于主磁場非均勻性造成的背景梯度，使得回波位置發(fā)生移動(dòng)。這種現(xiàn)象會(huì)引起各種偽影，如局部信號(hào)損失和在各種以梯度回波為基礎(chǔ)的成像技術(shù)如EPI中引起圖像畸變。圖2.7顯示了兩種回波列形成的機(jī)制:(a)重復(fù)使用180“RF脈沖和同極性平衡讀出梯度，自旋磁化強(qiáng)度周期性地散像、聚相，從而產(chǎn)生自旋回波列;(b)不是用1800RF脈沖，靠雙極性平衡讀出梯度使自旋周期性散相、聚相

在M班中，所獲取的信號(hào)是“空間頻率”的函數(shù)。為了說明K空間的概念，把一個(gè)具有均勻自旋密度的長方體，置入對(duì)稱線性梯度場中，如圖2.8所示。如把物體細(xì)分為若干體元。各個(gè)體元自旋所看到的場強(qiáng)不同。因而在t時(shí)刻具有不同的進(jìn)動(dòng)相位角中:

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 余立鋒,俎棟林,王衛(wèi)東,鄧元木,尤江生,包尚聯(lián);多模態(tài)醫(yī)學(xué)圖象的SVD-ICP配準(zhǔn)方法[J];CT理論與應(yīng)用研究;2000年01期

2 陳志,鄧乃揚(yáng),薛毅;解非線性方程組的一類算法[J];計(jì)算數(shù)學(xué);1992年03期

3 鐘春香,梁志輝;一種用于圖象配準(zhǔn)的或圖最佳搜索算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);1991年03期

4 張霖斌,姚振興,紀(jì)晨,張中杰;快速模擬退火算法及應(yīng)用[J];石油地球物理勘探;1997年05期

5 薛毅,楊中華;求解非線性最小二乘問題的實(shí)用型方法[J];數(shù)值計(jì)算與計(jì)算機(jī)應(yīng)用;2000年03期

6 楊雄里;腦科學(xué)的前景展望[J];世界科技研究與發(fā)展;1999年06期

7 靳利霞,唐煥文;蛋白質(zhì)空間結(jié)構(gòu)預(yù)測的一種優(yōu)化模型及算法[J];應(yīng)用數(shù)學(xué)與計(jì)算數(shù)學(xué)學(xué)報(bào);2000年02期

8 羅述謙,李響;基于最大互信息的多模醫(yī)學(xué)圖象配準(zhǔn)[J];中國圖象圖形學(xué)報(bào);2000年07期

9 柴悅,劉曉梅,李響,羅述謙;人腦磁共振圖象的配準(zhǔn)與組織分類[J];中國醫(yī)學(xué)影像技術(shù);1998年03期

本文編號(hào)：2725560