显微高光谱成像技术结合神经分类的应用研究
| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究目的及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·生物医学结合多光谱技术的发展概况 | 第15-18页 |
| ·光谱技术应用于神经分类的研究概况 | 第18-19页 |
| ·主要研究内容及结构安排 | 第19-22页 |
| 第二章 显微高光谱成像系统 | 第22-32页 |
| ·系统原理及组成 | 第22-26页 |
| ·系统组成 | 第22-24页 |
| ·系统参数 | 第24-26页 |
| ·系统软件平台 | 第26-29页 |
| ·采集软件及数据采集过程 | 第26-27页 |
| ·C++ builder与IDL混合编程 | 第27-29页 |
| ·基于本系统的部分生物医学应用 | 第29-31页 |
| ·活体小鼠的光谱成像 | 第29-30页 |
| ·血细胞计数 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 显微高光谱数据预处理 | 第32-41页 |
| ·显微高光谱数据分析 | 第32-33页 |
| ·数据预处理方法 | 第33-37页 |
| ·基于朗伯比尔定律的预处理算法 | 第33-35页 |
| ·联合校正算法 | 第35-37页 |
| ·实验结果与分析 | 第37-40页 |
| ·运动神经数据采集及分析 | 第37-38页 |
| ·各预处理方法比较 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 神经纤维显微高光谱数据特征分析 | 第41-56页 |
| ·感兴趣区提取 | 第41-42页 |
| ·纯净像元提取 | 第42-46页 |
| ·高光谱数据降维 | 第43-44页 |
| ·纯净像元指数 | 第44-45页 |
| ·各类别纯净像元定义 | 第45-46页 |
| ·实验结果与分析 | 第46-55页 |
| ·算法实现及对比 | 第46-51页 |
| ·染色神经样本特征分析 | 第51-53页 |
| ·未染色神经样本特征分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于距离测度学习的神经分类研究 | 第56-72页 |
| ·k近邻分类器 | 第56-57页 |
| ·距离测度学习 | 第57-61页 |
| ·距离测度学习的概念 | 第57-59页 |
| ·相关分量分析 | 第59页 |
| ·差别分量分析 | 第59-60页 |
| ·独立-差别分量分析 | 第60-61页 |
| ·实验结果与分析 | 第61-71页 |
| ·算法实现及对比 | 第61-67页 |
| ·染色神经样本分类 | 第67-69页 |
| ·未染色神经样本分类 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 基于高光谱统计特征的神经分类研究 | 第72-86页 |
| ·支持向量机 | 第72-76页 |
| ·线性分类器 | 第72-74页 |
| ·核函数 | 第74-76页 |
| ·基于贝叶斯准则的分类方法 | 第76-77页 |
| ·最大似然法 | 第76页 |
| ·最大似然法推广 | 第76-77页 |
| ·实验结果与分析 | 第77-85页 |
| ·算法实现及对比 | 第77-80页 |
| ·染色神经样本分类 | 第80-82页 |
| ·未染色神经样本分类 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 总结与展望 | 第86-88页 |
| ·论文工作总结 | 第86-87页 |
| ·研究展望 | 第87-88页 |
| 参考文献 | 第88-91页 |
| 附录一 | 第91-93页 |
| 致谢 | 第93-94页 |
| 作者在学期间所取得的科研成果 | 第94页 |
