版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、對(duì)組織的光學(xué)參數(shù)進(jìn)行準(zhǔn)確的測(cè)量,是組織光學(xué)和光醫(yī)療中最基本的課題之一,是光應(yīng)用于醫(yī)學(xué)領(lǐng)域基礎(chǔ)研究和臨床應(yīng)用的前提條件.然而針對(duì)如何用數(shù)學(xué)語(yǔ)言描述光在復(fù)雜的組織結(jié)構(gòu)中的傳輸,尤其是選用何種算法通過(guò)測(cè)得的表面漫散射光反演這種復(fù)雜結(jié)構(gòu)中的組織光學(xué)參數(shù)的問(wèn)題尚未得到很好的解決.本論文以無(wú)創(chuàng)測(cè)量組織光學(xué)參數(shù)為核心內(nèi)容,首先討論了對(duì)描述組織的光學(xué)物理模型的選取和仿真、然后選取了一種新型的算法一支持向量機(jī)對(duì)反演確定組織光學(xué)特性參數(shù)的問(wèn)題進(jìn)行了研究,并
2、在實(shí)驗(yàn)室條件下針對(duì)這種算法設(shè)計(jì)了實(shí)驗(yàn)以驗(yàn)證其有效性.具體包括: 1)從宏觀角度對(duì)組織光學(xué)進(jìn)行了全面的整理和系統(tǒng)的描述,其次介紹了光在組織介質(zhì)中輻射傳輸?shù)臄?shù)學(xué)模型一光散射方程和蒙特卡洛模型. 2)在現(xiàn)有的多層蒙特卡洛算法的基礎(chǔ)上加以改進(jìn),完善了適合我們需要的雙層組織的蒙特卡洛模型.獲得所需的仿真實(shí)驗(yàn)數(shù)據(jù),并分析了雙層組織模型下,參數(shù)選擇對(duì)仿真產(chǎn)生的漫反射率波形及蒙特卡洛模擬的統(tǒng)計(jì)誤差的影響. 3)將最新的支持向量機(jī)
3、(Support Vector Method,SVM)算法應(yīng)用到組織光學(xué)參數(shù)無(wú)創(chuàng)確定領(lǐng)域,利用C++語(yǔ)言編寫(xiě)了支持向量機(jī)分類(lèi)和回歸程序.并分別針對(duì)半無(wú)限均勻組織模型和半無(wú)限雙層組織模型,確定了模型中漫反射數(shù)據(jù)與組織光學(xué)特性參數(shù)之間的唯一性關(guān)系. 4)利用SVM回歸算法從半無(wú)限均勻組織模型和半無(wú)限雙層組織模型的空間分辨穩(wěn)態(tài)漫反射數(shù)據(jù)反推計(jì)算了組織光學(xué)特性參數(shù)μa、μs'和雙層模型下的第一層厚度,.確立了精度較高的皮膚(脂肪)一肌
4、肉雙層模型下的回歸算法,并針對(duì),不確定時(shí)的組織光學(xué)參數(shù)確定問(wèn)題進(jìn)行了研究. 5)使用瓊脂粉,印度墨水和Intralipid-10﹪溶液進(jìn)行實(shí)驗(yàn),制作了一個(gè)較完善的"固一液"雙層組織模型,測(cè)得了各個(gè)溶液表面漫反射光的空間分辨波形,將其代入已建立的SVR回歸算法中擬和,得到了雙層模型的光學(xué)特性參數(shù)值,同時(shí)也得到了各溶液光學(xué)特性參數(shù)實(shí)測(cè)值與理論值的誤差,提出了影響所求模型光學(xué)特性參數(shù)精度的若干誤差源,從而驗(yàn)證了通過(guò)本研究中設(shè)計(jì)的空間分
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于MAs算法的支持向量機(jī)參數(shù)優(yōu)化研究.pdf
- 支持向量機(jī)算法與參數(shù)研究.pdf
- 基于PFO算法的支持向量機(jī)參數(shù)優(yōu)化的研究.pdf
- 基于支持向量機(jī)參數(shù)優(yōu)化的群智能優(yōu)化算法研究.pdf
- 基于邊界向量預(yù)選的支持向量機(jī)算法研究.pdf
- 支持向量機(jī)參數(shù)選擇及訓(xùn)練算法研究.pdf
- 基于殼向量的支持向量機(jī)快速學(xué)習(xí)算法研究.pdf
- 基于支持向量機(jī)的分類(lèi)算法研究.pdf
- 支持向量機(jī)并行訓(xùn)練算法與基于遺傳算法的參數(shù)優(yōu)化研究.pdf
- 支持向量機(jī)參數(shù)選擇的研究.pdf
- 基于支持向量機(jī)的多分類(lèi)算法研究.pdf
- 基于支持向量機(jī)色選算法的研究.pdf
- 基于支持向量機(jī)的基因選擇算法研究.pdf
- 基于支持向量機(jī)的圖像水印算法研究.pdf
- 基于支持向量機(jī)回歸算法的薄板沖壓成形工藝參數(shù)優(yōu)化.pdf
- 支持向量機(jī)參數(shù)優(yōu)化研究.pdf
- 支持向量機(jī)模型參數(shù)的研究.pdf
- 基于向量投影的支持向量機(jī)增量學(xué)習(xí)算法.pdf
- 基于不確定變量的支持向量機(jī)及其應(yīng)用.pdf
- 基于支持向量機(jī)的笑臉識(shí)別算法研究.pdf
評(píng)論
0/150
提交評(píng)論