以Monte Carlo方法研究粗糙表面效應對生物組織光散射的影響.pdf

1、為實現生物醫(yī)學光學中的無創(chuàng)傷診斷，本論文以“通過背向散射光確定體光學參數”為核心內容.本文從生物組織光散射基礎理論入手，以MonteCarlo模擬為主要計算手段，應用神經網絡技術進行研究.從輻射傳輸理論分別導出標準和普適擴散近似的散射光光強表達式.對依據這兩個近似確定體光學散射參數的方法進行了比較；得出不能用標準擴散近似從背向散射光完整地得到(μs，μα，g)的結論.證明普適擴散近似在此時是相對標準擴散近似的更好的近似，是從背向散射光中

2、確定(μs，μα，g)的理論基礎.對入射光為偏振光的散射體系，本文以Mie小球散射理論為基礎，設計了通過測量散射光偏振特性求散射系數μs的MonteCarlo模擬程序；設計了全新的、用于MonteCarlo模擬的實時粗糙表面生成算法，這一算法與傳統(tǒng)靜態(tài)算法比顯著節(jié)省了系統(tǒng)資源、提高了運算速度和大大擴展了研究區(qū)域；首次設計了同時包含粗糙表面和偏振性的MonteCarlo模擬程序.我們的研究證實偏振條件下粗糙表面使這一光學參數確定方法失效.

3、對于非偏振光情況，我們應用神經網絡技術通過對傾斜入射垂直檢測光路的背向散射信號處理實現(μs，μα，g)的確定.針對從背向散射光確定(μs，μα，g)的特殊性，首次設計了一種專門用于本問題的復合反向傳播神經網絡.分析與比較證明，復合反向傳播神經網絡比單一反向傳播網絡訓練時間更短、精度相當且泛化能力更強的結論.通過MonteCarlo模擬驗證并與現有研究結果比較，我們得出對傾斜入射垂直檢測光路所測量的背向散射光應用復合神經網絡求解(μs,