基于近红外光谱分析的无创血药浓度检测研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·血药浓度检测在临床药学中的应用 | 第8-9页 |
| ·近红外光谱技术用于无创血药浓度检测 | 第9-11页 |
| ·本文研究的内容 | 第11-12页 |
| 2 近红外光谱分析原理 | 第12-25页 |
| ·近红外光谱的产生和光谱特性 | 第12-16页 |
| ·近红外光谱的信息源 | 第12-14页 |
| ·近红外光谱的化学信息基础及特征 | 第14-16页 |
| ·近红外光谱技术的理论基础 | 第16-19页 |
| ·近红外透射光谱技术 | 第16-18页 |
| ·近红外反射光谱技术 | 第18-19页 |
| ·近红外光谱技术的特点和分析流程 | 第19-23页 |
| ·近红外光谱技术的发展 | 第23-25页 |
| 3 药物浓度建模实验的初步研究 | 第25-30页 |
| ·实验设计 | 第25页 |
| ·实验仪器 | 第25-26页 |
| ·样本制备 | 第26页 |
| ·近红外光谱采集 | 第26-28页 |
| ·模型检验方法 | 第28-30页 |
| 4 多元线性回归算法的定量分析研究 | 第30-36页 |
| ·多元线性回归算法的原理 | 第30-32页 |
| ·多元线性回归算法的特点 | 第30页 |
| ·多元线性回归算法的实现 | 第30-31页 |
| ·多元线性回归的应用 | 第31-32页 |
| ·多元线性回归算法的定量分析研究 | 第32-35页 |
| ·回归波长的确立方法 | 第32-33页 |
| ·建立数学模型 | 第33-34页 |
| ·模型校验 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 主成分回归算法的定量分析研究 | 第36-41页 |
| ·主成分回归算法的原理 | 第36-38页 |
| ·主成分回归算法的特点 | 第36页 |
| ·主成分回归算法的实现 | 第36-37页 |
| ·主成分回归的应用 | 第37-38页 |
| ·主成分回归算法的定量分析研究 | 第38-40页 |
| ·主成分分析 | 第38页 |
| ·主成分回归 | 第38-39页 |
| ·模型校验 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 6 偏最小二乘法的定量分析研究 | 第41-47页 |
| ·偏最小二乘的原理 | 第41-43页 |
| ·偏最小二乘法的特点 | 第41页 |
| ·偏最小二乘法的实现 | 第41-42页 |
| ·偏最小二乘法的应用 | 第42-43页 |
| ·偏最小二乘法的定量分析研究 | 第43-45页 |
| ·主成分因子的选择 | 第43-44页 |
| ·建立数学模型 | 第44-45页 |
| ·模型校验 | 第45页 |
| ·本章小结 | 第45-47页 |
| 7 人工神经网络的定量分析研究 | 第47-53页 |
| ·人工神经网络的原理 | 第47-50页 |
| ·人工神经网络的特点 | 第47-49页 |
| ·BP 人工神经网络的实现 | 第49页 |
| ·人工神经网络的应用 | 第49-50页 |
| ·BP 人工神经网络方法的定量分析研究 | 第50-52页 |
| ·BP 人工神经网络的预处理 | 第50-51页 |
| ·网络结构的确定 | 第51页 |
| ·网络的实现 | 第51页 |
| ·模型校验 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 8 总结与展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| 发表论文 | 第59页 |
| 参与项目 | 第59页 |
