| 论文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-20页 |
| ·课题的来源、背景及意义 | 第8-9页 |
| ·课题来源及目的 | 第8页 |
| ·实际意义及价值 | 第8-9页 |
| ·拉曼光谱的基本原理和概念 | 第9-13页 |
| ·拉曼散射和瑞利散射 | 第9-10页 |
| ·拉曼散射的解释 | 第10-12页 |
| ·特征拉曼频率 | 第12-13页 |
| ·拉曼谱线相对强度的变化率和退偏比 | 第13页 |
| ·单细胞拉曼光谱技术介绍 | 第13-17页 |
| ·拉曼光谱技术的产生与发展 | 第13-14页 |
| ·光镊拉曼的应用背景 | 第14-16页 |
| ·带有光镊子技术的拉曼光谱仪 | 第16-17页 |
| ·单细胞的拉曼光谱分析 | 第17页 |
| ·微流控芯片介绍 | 第17-19页 |
| ·微流控芯片分析系统的发展 | 第17-18页 |
| ·微流控芯片分析系统的用途及重点应用领域 | 第18-19页 |
| ·微流控芯片分析系统的展望 | 第19页 |
| ·本文内容安排 | 第19-20页 |
| 第二章 基于PCA算法和BP神经网络联用的光镊子拉曼光谱地中海贫血病种的诊断方法. | 第20-34页 |
| ·地中海贫血及其传统的诊断方式的缺陷 | 第20页 |
| ·使用带光镊子的拉曼光谱仪获取地中海贫血血细胞的拉曼光谱数据 | 第20-21页 |
| ·光谱的获得所需要的仪器与设备 | 第20-21页 |
| ·样品的来源与数据的获取 | 第21页 |
| ·所得光谱数据的预处理 | 第21页 |
| ·使用主成分分析算法（PCA）进行特征提取 | 第21-24页 |
| ·主成分分析算法 | 第21-23页 |
| ·特征提取的原则 | 第23-24页 |
| ·BP人工神经网络的训练与模式分类 | 第24-30页 |
| ·人工神经网络的基本概念 | 第24-25页 |
| ·人工神经网络的优点 | 第24-25页 |
| ·BP人工神经网络 | 第25-27页 |
| ·BP神经网络的结构 | 第25-27页 |
| ·BP神经网络的学习过程 | 第27页 |
| ·BP神经网络的改进方法 | 第27-29页 |
| ·BP神经网络的不足 | 第27-28页 |
| ·BP神经网络的改进 | 第28-29页 |
| ·PCA与BP神经网络联用的预测模型设置 | 第29-30页 |
| ·BP神经网络结构的确定 | 第29页 |
| ·网络各种参数的选定 | 第29-30页 |
| ·实验结果与分析 | 第30-33页 |
| ·血红细胞的显微拉曼光谱 | 第30-31页 |
| ·对不同病种的拉曼光谱数据作PCA处理 | 第31-32页 |
| ·基于数据的前三维主分量建立BP神经网络预测模型 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 基于拉曼光镊手段的肝癌诊断技术研究 | 第34-37页 |
| ·使用拉曼光镊分析肝（肝癌）细胞的拉曼光谱的意义 | 第34页 |
| ·使用带光镊子的拉曼光谱仪获取肝（肝癌）细胞的拉曼光谱数据 | 第34-35页 |
| ·仪器与试剂 | 第34-35页 |
| ·数据获取 | 第35页 |
| ·所得光谱数据的预处理 | 第35页 |
| ·实验结果与分析 | 第35-36页 |
| ·肝癌细胞及正常人肝脏细胞的显微拉曼光谱 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于微流控芯片、拉曼光镊的红细胞光谱检测技术 | 第37-45页 |
| ·材料与方法 | 第37-39页 |
| ·常规的单细胞拉曼光谱检测方法的不足及引入微流控芯片后的优越性 | 第37页 |
| ·微流控芯片分析系统的准备 | 第37-38页 |
| ·电泳缓冲液的配制 | 第38-39页 |
| ·实验部分 | 第39-40页 |
| ·芯片清洗 | 第39页 |
| ·操作步骤 | 第39-40页 |
| ·实验结果 | 第40-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·论文总结 | 第45页 |
| ·论文进一步研究的展望 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 攻读硕士期间发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |
