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

基于特性分析的光学分子断层成像光源重建方法研究

摘要第4-6页
ABSTRACT第6-8页
第一章 绪论第20-38页
    1.1 研究背景与意义第20-26页
    1.2 光学分子断层成像的关键问题第26-34页
        1.2.1 生物靶向探针的研究第27-29页
        1.2.2 光学断层成像设备的研究第29-31页
        1.2.3 光源重建方法的研究第31-34页
    1.4 论文组织与章节安排第34-38页
第二章 基于稀疏性的光源重建算法研究第38-64页
    2.1 光学断层重建算法概述第38-44页
        2.1.1 贪婪重建算法第39-40页
        2.1.2 凸优化重建算法第40-44页
    2.2 COSAMP算法第44-46页
    2.3 L_(0.5)范数光源重建算法第46-49页
    2.4 实验设计第49-51页
    2.5 实验结果第51-62页
        2.5.1 CoSaMP算法重建结果第51-55页
        2.5.2 L_(0.5)范数光源重建结果第55-62页
    2.6 本章小结第62-64页
第三章 基于病态性分析的光源重建策略研究第64-94页
    3.1 重建策略概述第64-69页
        3.1.1 多光谱重建策略第64-66页
        3.1.2 可行区域重建策略第66-68页
        3.1.3 有限元网格优化策略第68-69页
    3.2 SP_3模型下的HP自适应有限元重建第69-75页
    3.3 基于加权多光谱的CLT重建策略第75-80页
    3.4 实验设计第80-81页
    3.5 实验结果第81-91页
        3.5.1 基于SP_3模型的hp自适应有限元重建结果第81-86页
        3.5.2 加权多光谱重建结果第86-91页
    3.6 本章小结第91-94页
第四章 多光源分辨与聚类分析研究第94-124页
    4.1 多目标重建概述第94-96页
    4.2 非凸优化框架的多光源重建第96-100页
    4.3 多光源的AP-KMEANS混合聚类分析第100-106页
    4.4 实验设计第106-110页
        4.4.1 基于非凸优化框架的多光源分辨实验第106-108页
        4.4.2 混合聚类算法验证实验第108-110页
    4.5 实验结果第110-121页
        4.5.1 非凸优化框架的多光源分辨第110-117页
        4.5.2 AP-Kmeans混合聚类分析结果第117-121页
    4.6 本章小结第121-124页
第五章 光学分子断层成像的小动物在体验证第124-146页
    5.1 光学分子断层成像在体实验验证概述第124-129页
    5.2 光学断层成像在体实验基本流程第129-131页
    5.3 成像系统第131-132页
    5.4 实验和结果第132-144页
        5.4.1 CoSaMP算法匀质仿体验证实验第132-134页
        5.4.2 L0.5范数重建算法的小鼠植入光源重建实验第134-135页
        5.4.3 加权多光谱策略的在体验证实验结果第135-139页
        5.4.4 非凸优化框架的在体多光源分辨实验结果第139-142页
        5.4.5 混合聚类方法的在体多光源实验结果第142-144页
    5.5 本章小结第144-146页
第六章 总结和展望第146-150页
    6.1 总结第146-147页
    6.2 展望第147-150页
参考文献第150-170页
攻读博士学位期间取得的科研成果第170-174页
致谢第174-175页

论文共175页,点击 下载论文
上一篇:基于感知控制的任务模型及其在用户界面开发中的应用研究
下一篇:基于学习优化与信息融合的陶瓷文物碎片分类研究