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 |
