首页--医药、卫生论文--内科学论文--内分泌腺疾病及代谢病论文

光声成像在骨质疏松诊断中的研究

中文搞要第4-5页
英文捕要第5-9页
第一章 绪论第9-13页
    1.1 骨质疏松简介第9页
    1.2 国内外研究现状第9-10页
    1.3 新式技术应用于骨质疏松检测的可能性第10-11页
    1.4 本文研究安排第11-13页
第二章 超声成像与光声成像第13-20页
    2.1 光声成像第13-15页
        2.1.1 光声信号的产生第13-14页
        2.1.2 光声的检测和成像第14-15页
        2.1.3 光声方法的应用第15页
    2.2 光声功率谱法第15-17页
        2.2.1 光声光谱分析第15-16页
        2.2.2 光声功率谱仿真算法第16-17页
    2.3 定量超声检测技术第17-19页
        2.3.1 透射技术第17页
        2.3.2 反射技术第17-18页
        2.3.3 定量超声法的参数第18-19页
    2.4 本章小结第19-20页
第三章 机器学习方法在医学信号检测中的应用第20-30页
    3.1 卷积神经网络第20-21页
        3.1.1 什么是卷积神经网络第20-21页
    3.2 卷积神经网络的原理第21页
    3.3 卷积神经网络的结构第21-27页
        3.3.1 神经元结构第21-23页
        3.3.2 卷积层第23页
        3.3.3 池化层第23页
        3.3.4 全连接层第23页
        3.3.5 卷积神经网络基本运算第23-27页
    3.4 其他机器学习方法在骨质疏松分析中的应用第27-29页
        3.4.1 逻辑回归分析第27-28页
        3.4.2 SVM支持向量机第28-29页
    3.5 本章小结第29-30页
第四章 光声频谱分析在骨质疏松检测中的成用第30-39页
    4.1 仿真工具与参数的设置第30-32页
        4.1.1 仿真工具第30页
        4.1.2 仿真参数的设置第30-32页
    4.2 实验准备与实验过程第32-33页
    4.3 信号处理过程第33-34页
    4.4 光声频谱与宽带超声的仿真对比第34-36页
    4.5 光声频谱与宽带超声的实验对比第36-37页
    4.6 本章小结第37-39页
第五章 机器学习方法对骨质信号的分类第39-49页
    5.1 实验工具第39页
    5.2 k-means聚类原理第39-40页
    5.3 SVM原理第40-41页
    5.4 CNN原理及评判标准第41-43页
        5.4.1 原理第41-42页
        5.4.2 评估指标第42-43页
    5.5 k-means实验结果第43-44页
    5.6 SVM实验结果第44-47页
    5.7 CNN实验结果第47-48页
    5.8 分析与总结第48-49页
第六章 总结与展望第49-52页
    6.1 总结第49-50页
    6.2 展望第50-52页
参考文献第52-56页
攻读硕士学位期间的成果第56-57页
致谢第57-59页

论文共59页,点击 下载论文
上一篇:成人肥胖相关件肾病的临床病理与预后分析
下一篇:老年2型糖尿病患者病程与心脏结构和功能的相关性分析