版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、對組織的光學(xué)參數(shù)進(jìn)行準(zhǔn)確的測量,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.然而針對如何用數(shù)學(xué)語言描述光在復(fù)雜的組織結(jié)構(gòu)中的傳輸,尤其是選用何種算法通過測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)的問題尚未得到很好的解決.本論文以無創(chuàng)測量組織光學(xué)參數(shù)為核心內(nèi)容,首先討論了對描述組織的光學(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對反演確定組織光學(xué)特性參數(shù)的問題進(jìn)行了研究,并
2、在實驗室條件下針對這種算法設(shè)計了實驗以驗證其有效性.具體包括: 1)從宏觀角度對組織光學(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.獲得所需的仿真實驗數(shù)據(jù),并分析了雙層組織模型下,參數(shù)選擇對仿真產(chǎn)生的漫反射率波形及蒙特卡洛模擬的統(tǒng)計誤差的影響. 3)將最新的支持向量機
3、(Support Vector Method,SVM)算法應(yīng)用到組織光學(xué)參數(shù)無創(chuàng)確定領(lǐng)域,利用C++語言編寫了支持向量機分類和回歸程序.并分別針對半無限均勻組織模型和半無限雙層組織模型,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回歸算法從半無限均勻組織模型和半無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,不確定時的組織光學(xué)參數(shù)確定問題進(jìn)行了研究. 5)使用瓊脂粉,印度墨水和Intralipid-10﹪溶液進(jìn)行實驗,制作了一個較完善的"固一液"雙層組織模型,測得了各個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,同時也得到了各溶液光學(xué)特性參數(shù)實測值與理論值的誤差,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,從而驗證了通過本研究中設(shè)計的空間分
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于MAs算法的支持向量機參數(shù)優(yōu)化研究.pdf
- 支持向量機算法與參數(shù)研究.pdf
- 基于PFO算法的支持向量機參數(shù)優(yōu)化的研究.pdf
- 基于支持向量機參數(shù)優(yōu)化的群智能優(yōu)化算法研究.pdf
- 基于邊界向量預(yù)選的支持向量機算法研究.pdf
- 支持向量機參數(shù)選擇及訓(xùn)練算法研究.pdf
- 基于殼向量的支持向量機快速學(xué)習(xí)算法研究.pdf
- 基于支持向量機的分類算法研究.pdf
- 支持向量機并行訓(xùn)練算法與基于遺傳算法的參數(shù)優(yōu)化研究.pdf
- 支持向量機參數(shù)選擇的研究.pdf
- 基于支持向量機的多分類算法研究.pdf
- 基于支持向量機色選算法的研究.pdf
- 基于支持向量機的基因選擇算法研究.pdf
- 基于支持向量機的圖像水印算法研究.pdf
- 基于支持向量機回歸算法的薄板沖壓成形工藝參數(shù)優(yōu)化.pdf
- 支持向量機參數(shù)優(yōu)化研究.pdf
- 支持向量機模型參數(shù)的研究.pdf
- 基于向量投影的支持向量機增量學(xué)習(xí)算法.pdf
- 基于不確定變量的支持向量機及其應(yīng)用.pdf
- 基于支持向量機的笑臉識別算法研究.pdf
評論
0/150
提交評論