| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| §1-1 电阻抗成像技术简介 | 第8页 |
| §1-2 电阻抗成像技术的发展历史及国内外研究现状 | 第8-10页 |
| §1-3 电阻抗成像的基本原理 | 第10-12页 |
| 1-3-1 电阻抗成像的生物医学基础 | 第10-11页 |
| 1-3-2 病变组织的介电常数和电导率与正常组织之间有差异 | 第11页 |
| 1-3-3 电阻抗成像的数学物理模型 | 第11-12页 |
| §1-4 电阻抗成像研究的意义及应用前景 | 第12-14页 |
| §1-5 电阻抗成像技术的难点 | 第14页 |
| §1-6 本文的主要工作 | 第14-16页 |
| 第二章 电阻抗成像正问题与反问题 | 第16-25页 |
| §2-1 电阻抗成像正问题 | 第16-21页 |
| 2-1-1 正问题的有限元解 | 第17-18页 |
| 2-1-2 剖分单元分析 | 第18-19页 |
| 2-1-3 区域剖分 | 第19-20页 |
| 2-1-4 有限元模型的细化 | 第20-21页 |
| §2-2 电阻抗成像反问题 | 第21-24页 |
| 2-2-1 研究反问题的意义与难点 | 第22页 |
| 2-2-2 反问题病态性分析 | 第22-24页 |
| §2-3 本章小结 | 第24-25页 |
| 第三章 基于RBF人工神经网络的电阻抗成像算法研究 | 第25-38页 |
| §3-1 Newton-Raphson重建算法 | 第25-28页 |
| 3-1-1 Newton-Raphson重建算法的推导过程 | 第25-26页 |
| 3-1-2 Newton-Raphson重建算法的正则化方法 | 第26-28页 |
| §3-2 RBF人工神经网络 | 第28-31页 |
| 3-2-1 人工神经网络特点 | 第28页 |
| 3-2-2 RBF网络的理论基础 | 第28页 |
| 3-2-3 RBF网络的结构 | 第28-30页 |
| 3-2-4 RBF网络的学习算法 | 第30-31页 |
| §3-3 RBF人工神经网络总体设计 | 第31-35页 |
| 3-3-1 算法原理 | 第31页 |
| 3-3-2 网络结构设计 | 第31-32页 |
| 3-3-3 目标模型 | 第32页 |
| 3-3-4 样本设计 | 第32页 |
| 3-3-5 网络类型的选择 | 第32-33页 |
| 3-3-6 网络的学习 | 第33-34页 |
| 3-3-7 网络的训练 | 第34-35页 |
| §3-4 基于RBF人工神经网络的图像重建算法仿真及结果分析 | 第35-37页 |
| 3-4-1 电阻抗重建的过程及流程图 | 第35页 |
| 3-4-2 重建图像算法仿真 | 第35-37页 |
| §3-5 本章小结 | 第37-38页 |
| 第四章 基于有性繁殖的小生境遗传算法研究 | 第38-45页 |
| §4-1 算法介绍 | 第38-41页 |
| 4-1-1 算法结构 | 第38-39页 |
| 4-1-2 编码方法 | 第39-40页 |
| 4-1-3 配对方法 | 第40页 |
| 4-1-4 交叉算子 | 第40页 |
| 4-1-5 变异算子 | 第40-41页 |
| 4-1-6 选择方法 | 第41页 |
| §4-2 多峰函数数值求解实验 | 第41-44页 |
| 4-2-1 测试函数 | 第41-42页 |
| 4-2-2 运行参数设置 | 第42页 |
| 4-2-3 实验结果及分析 | 第42-44页 |
| §4-3 本章小结 | 第44-45页 |
| 第五章 肿瘤检测系统仿真研究 | 第45-52页 |
| §5-1 肿瘤检测系统仿真模型的建立 | 第45-46页 |
| 5-1-1 问题的描述与假设 | 第45页 |
| 5-1-2 材料特性与网格划分 | 第45-46页 |
| 5-1-3 模型加载分析 | 第46页 |
| 5-1-4 激励方式 | 第46页 |
| §5-2 映像反映肿瘤位置变化 | 第46-49页 |
| 5-2-1 仿真数据 | 第47页 |
| 5-2-2 结果处理与分析 | 第47-49页 |
| §5-3 肿瘤位置定位分析 | 第49-51页 |
| §5-4 本章小结 | 第51-52页 |
| 第六章 结论与展望 | 第52-54页 |
| §6-1 工作总结 | 第52-53页 |
| §6-2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录A | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61页 |
