首页--医药、卫生论文--眼科学论文--眼科诊断学论文

谱域光学相干层析成像的深度拓展及其在眼调节研究中的应用

摘要第5-8页
ABSTRACT第8-10页
第一章 绪论第19-32页
    1.1 研究背景及意义第19-21页
    1.2 国内外研究现状第21-30页
        1.2.1 光学相干层析成像技术(OCT)第21-27页
        1.2.2 眼调节理论第27-30页
    1.3 论文主要研究内容及创新第30-31页
    1.4 本章小结第31-32页
第二章 双通道双焦点SD-OCT系统的研制及应用第32-61页
    2.1 谱域光学相干层析成像技术(SD-OCT)第32-44页
        2.1.1 SD-OCT基本原理第32-38页
        2.1.2 SD-OCT深度信息重建第38-41页
        2.1.3 SD-OCT系统理论参数第41-44页
    2.2 双通道双焦点SD-OCT系统的研制及其在全眼前节成像中的应用第44-59页
        2.2.1 引言第44-45页
        2.2.2 全眼前节双通道双焦点SD-OCT系统的研制第45-49页
        2.2.3 主要技术参数的检测第49-51页
        2.2.4 全眼前节成像结果第51-53页
        2.2.5 折射误差矫正第53-56页
        2.2.6 调节引起的眼前节变化研究第56-58页
        2.2.7 实验结果讨论第58-59页
    2.3 本章小结第59-61页
第三章 消共轭型双通道双焦点SD-OCT系统的研制及应用第61-108页
    3.1 引言第61-62页
    3.2 消共轭型双通道双焦点SD-OCT系统研制及其在全眼成像中的应用第62-79页
        3.2.1 消共轭技术第62-65页
        3.2.2 消共轭型双通道双焦点SD-OCT系统研制第65-68页
        3.2.3 主要技术参数的检测第68-70页
        3.2.4 信号处理及图像重构误差矫正第70-74页
        3.2.5 消共轭型双通道双焦点SD-OCT的全眼组织同时成像第74-76页
        3.2.6 讨论第76-79页
    3.3 消共轭型双通道双焦点SD-OCT系统的全眼参数测量第79-91页
        3.3.1 研究背景第79页
        3.3.2 研究对象第79-80页
        3.3.3 研究方法第80-86页
        3.3.4 实验结果第86-89页
        3.3.5 讨论第89-91页
    3.4 SD-OCT系统在调节引起的视网膜厚度变化上的应用研究第91-106页
        3.4.1 研究背景第91-92页
        3.4.2 实验对象第92页
        3.4.3 实验系统第92-94页
        3.4.4 主要技术参数的检测第94-96页
        3.4.5 图像采集第96-97页
        3.4.6 数据分析第97-101页
        3.4.7 实验结果第101-105页
        3.4.8 讨论第105-106页
    3.5 本章小结第106-108页
第四章 双波段双焦点SD-OCT系统的研制及应用第108-126页
    4.1 引言第108-109页
    4.2 双波段双焦点SD-OCT系统研制第109-116页
        4.2.1 实验系统设计和搭建第109-111页
        4.2.2 样品臂双扫描光路设计第111-112页
        4.2.3 主要技术参数的检测第112-114页
        4.2.4 数据处理第114-115页
        4.2.5 Badal系统设计第115-116页
    4.3 实验对象第116-117页
    4.4 实验结果第117-122页
        4.4.1 全眼组织同时成像第117-120页
        4.4.2 调节引起的全眼结构变化研究第120-122页
    4.5 实验讨论第122-124页
    4.6 本章小结第124-126页
第五章 总结与展望第126-131页
    5.1 论文总结第126-128页
    5.2 主要创新点第128-129页
    5.3 研究展望第129-131页
参考文献第131-141页
附录1 专业术语中英文对照第141-143页
致谢第143-144页
攻读博士学位期间已发表或录用的论文第144页

论文共144页,点击 下载论文
上一篇:基于概率模型的聚类集成算法
下一篇:社交网站中基于用户社会活动和好友网络的推荐技术研究