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_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論