首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于混合传输模型和稀疏贝叶斯学习的增强型切伦科夫荧光断层成像

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第9-19页
    1.1 研究背景及研究意义第9-10页
    1.2 切伦科夫荧光成像技术第10-14页
        1.2.1 切伦科夫荧光第11-13页
        1.2.2 切伦科夫发光成像研究现状第13-14页
    1.3 切伦科夫发光断层成像技术第14-15页
    1.4 本文主要研究工作第15-19页
第二章 基于放射荧光材料的切伦科夫荧光信号增强方法第19-27页
    2.1 引言第19页
    2.2 放射荧光成像技术第19-21页
    2.3 实验结果与分析第21-26页
        2.3.1 实验材料与仪器第21页
        2.3.2 Gd_2O_2S:Tb颗粒的放射荧光光谱第21-22页
        2.3.3 放射荧光材料激发发光特性验证第22-23页
        2.3.4 评估放射荧光材料对切伦科夫荧光信号的增强效果第23页
        2.3.5 增强型切伦科夫荧光信号穿透性实验第23-24页
        2.3.6 核素与放射荧光材料距离对放射荧光强度的影响第24-26页
    2.4 本章小结第26-27页
第三章 基于多光谱混合传输模型的CLT第27-41页
    3.1 引言第27-28页
    3.2 光在生物组织中的传输模型第28-32页
        3.2.1 辐射传输模型第28页
        3.2.2 扩散方程第28-29页
        3.2.3 简化球谐近似模型第29-30页
        3.2.4 混合传输模型第30-32页
    3.3 实验结果与分析第32-38页
        3.3.1 混合模型的划分依据第32-33页
        3.3.2 仿真实验第33-37页
        3.3.3 仿体实验第37-38页
    3.4 本章小结第38-41页
第四章 基于稀疏贝叶斯学习的单视图ECLT重建第41-53页
    4.1 引言第41页
    4.2 稀疏贝叶斯学习算法第41-45页
        4.2.1 区域收缩策略第41-42页
        4.2.2 稀疏贝叶斯算法第42-45页
    4.3 实验结果与分析第45-50页
        4.3.1 仿真实验第45-47页
        4.3.2 物理仿体实验第47-50页
    4.4 本章小结第50-53页
总结与展望第53-55页
参考文献第55-61页
致谢第61-63页
攻读硕士学位期间取得的科研成果第63-64页

论文共64页,点击 下载论文
上一篇:基于掌纹与掌静脉双模态融合特征识别研究
下一篇:基于特征点的颅面相似性度量算法研究