光聲成像在骨質(zhì)疏松診斷中的研究
發(fā)布時(shí)間：2020-12-07 02:10
骨質(zhì)疏松癥（osteoporosis）是一種常見的全身性代謝性骨病,以單位體積內(nèi)骨量減少及骨微結(jié)構(gòu)改變?yōu)樘卣?多見于絕經(jīng)后婦女和老年男性。骨質(zhì)疏松的嚴(yán)重后果為發(fā)生骨質(zhì)疏松性骨折,即在受到輕微創(chuàng)傷時(shí)或日�；顒�(dòng)中即可發(fā)生的骨折。近年來,骨質(zhì)疏松在我國(guó)的發(fā)病率逐年提升,已經(jīng)成為了危害我國(guó)老年人健康的一大隱患,甚至發(fā)病人年齡有年輕化的趨勢(shì),因此尋找一些快速,有效的檢驗(yàn)骨質(zhì)疏松的方法成為了當(dāng)務(wù)之急。本文主要是探究一些診斷骨質(zhì)疏松的新型方法,包括傳統(tǒng)的定性的頻譜分析法和新型的定量的機(jī)器學(xué)習(xí)方法。近年來寬帶超聲頻譜法（QUS）是一種新興的檢測(cè)骨質(zhì)疏松的定性方法,主要通過斜率的變化趨勢(shì)來確定骨質(zhì)疏松的變化程度。我們首先通過數(shù)學(xué)推導(dǎo)來證明光聲頻譜法對(duì)骨質(zhì)疏松檢測(cè)的可行性,然后我們通過光聲頻譜的變化趨勢(shì)和寬帶超聲頻譜進(jìn)行對(duì)比,來展示光聲頻譜法的確可以定性的檢測(cè)骨質(zhì)疏松的變化情況。仿真實(shí)驗(yàn)和實(shí)際實(shí)驗(yàn)都證明了兩者具有相同的變化趨勢(shì),我們根據(jù)骨質(zhì)疏松的腐蝕程度不同確定了光聲頻譜變化的趨勢(shì),再根據(jù)三組骨質(zhì)情況差異的骨質(zhì)信號(hào)光聲頻譜與超聲頻譜對(duì)比得出了結(jié)論。除了定性的方法,本文還研究了探測(cè)骨質(zhì)疏松的定量方法。我們主...
【文章來源】：南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：59 頁
【學(xué)位級(jí)別】：碩士
【部分圖文】：
圖１光盧效應(yīng)示怠圖??？？
此處的ｆ〇稱為激勵(lì)函數(shù)。??ｉｆｕ多Ｍ感知器則是由輸入層、－層或者多層隱含層以及輸出層構(gòu)成的神經(jīng)網(wǎng)??絡(luò)。對(duì)ｆ單層感知器會(huì)出現(xiàn)線性不可分的問題，多層感知器可以很好的解決。??＞１：中，輸入層的神經(jīng)元接受輸入的倍號(hào)，發(fā)送到隱含層的各個(gè)神經(jīng)／ｄ之ｊｎ，??經(jīng)過權(quán)值加成輸出給之后的神經(jīng)元，即下？個(gè)隱含層，隱含層的數(shù)量根據(jù)耑求而??定，最后一層隱含Ｍ的輸出再傳遞到輸出層。對(duì)Ｔ？隱含層和輸出層，其毎－個(gè)神??經(jīng)元的輸入都是之前一Ｇ所有神經(jīng)元輸出的加權(quán)和。在全連接以屮，這些神經(jīng)元??被全部鏈接起來，組成－個(gè)輸入輸出。??在使用多層感知器進(jìn)彳ｒ分類時(shí)．輸入的神經(jīng)元個(gè)數(shù)要ｆ輸入信３的維度相當(dāng)，??ｉｆｕ輸出的神經(jīng)元個(gè)數(shù)即為類別數(shù)。對(duì)干各個(gè)隱含屋，每一個(gè)隱含層的祌經(jīng)元個(gè)數(shù)??要根據(jù)具體情況來判斷。在實(shí)際應(yīng)用中，考慮到參數(shù)學(xué)習(xí)效率，＾般都＋會(huì)采用??超過Ｈ層的模爾。算法可分為兩個(gè)階：向前傳播以及向后傳播。通過建立損失函??
南京大學(xué)碩士畢業(yè)論文?第三章機(jī)器學(xué)習(xí)方法在醫(yī)學(xué)信號(hào)檢測(cè)中的應(yīng)用??上式中，ｘ（ａ）代表輸入的信號(hào)，Ｗ（ｔ－?ａ）代表概率函數(shù)，ｓ⑴為經(jīng)過卷積系統(tǒng)??后得到的信號(hào)序列。上式是卷積的定義，是在連續(xù)時(shí)間域上的公式，似在實(shí)際Ｗ??況中，信號(hào)都是離散的，而且傳感器也不會(huì)接受連續(xù)位號(hào)，因此ｓ（ｔ）會(huì)是離散??信兮。農(nóng)達(dá)式變化為卜＇式：??ｓ（ｔ）?＝?（ｘ?＊?ＣＯ?）（ｔ）?＝?Ｉ：Ｊ１＿ｒｏｘ（ａ）ｃｕ（ｔ?－?ａ）?（３．?２）??對(duì)Ｊ－本文中的卷積操作，輸入的是一維的聲壓信號(hào)，相當(dāng)ｆ很多－維數(shù)組組成的??數(shù)據(jù)集介。卜＇圖足在－個(gè)？維信吟上做卷枳的示意圖。??
【參考文獻(xiàn)】：
期刊論文
[1]基于K-means聚類算法優(yōu)化方法的研究[J]. 劉葉,吳晟,周海河,吳興蛟,韓林嶧. 信息技術(shù). 2019(01)
[2]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[3]Screening and early diagnosis of osteoporosis through X-ray and ultrasound based techniques[J]. Paola Pisani,Maria Daniela Renna,Francesco Conversano,Ernesto Casciaro,Maurizio Muratore,Eugenio Quarta,Marco Di Paola,Sergio Casciaro. World Journal of Radiology. 2013(11)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的木材缺陷識(shí)別[J]. 徐姍姍,劉應(yīng)安,徐昇. 山東大學(xué)學(xué)報(bào)(工學(xué)版). 2013(02)
[5]基于二階振蕩微粒群最小二乘支持向量機(jī)的物流需求預(yù)測(cè)[J]. 耿立艷,趙鵬,張占福. 計(jì)算機(jī)應(yīng)用研究. 2012(07)
[6]增長(zhǎng)式卷積神經(jīng)網(wǎng)絡(luò)及其在人臉檢測(cè)中的應(yīng)用[J]. 顧佳玲,彭宏京. 系統(tǒng)仿真學(xué)報(bào). 2009(08)
[7]骨定量超聲測(cè)量的臨床應(yīng)用[J]. 陶蓓,劉建民. 國(guó)際內(nèi)分泌代謝雜志. 2006(04)
[8]一種PCA算法及其應(yīng)用[J]. 張媛,張燕平. 微機(jī)發(fā)展. 2005(02)
[9]診斷骨質(zhì)疏松癥的超聲參量[J]. 他得安,余建國(guó),汪源源,王威琪. 中華超聲影像學(xué)雜志. 2003(05)
博士論文
[1]APOE基因多態(tài)性與骨質(zhì)疏松性骨折易感性關(guān)系的研究[D]. 孫金磊.山東大學(xué) 2018
本文編號(hào)：2902423
【文章來源】：南京大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：59 頁
【學(xué)位級(jí)別】：碩士
【部分圖文】：
圖１光盧效應(yīng)示怠圖??？？
此處的ｆ〇稱為激勵(lì)函數(shù)。??ｉｆｕ多Ｍ感知器則是由輸入層、－層或者多層隱含層以及輸出層構(gòu)成的神經(jīng)網(wǎng)??絡(luò)。對(duì)ｆ單層感知器會(huì)出現(xiàn)線性不可分的問題，多層感知器可以很好的解決。??＞１：中，輸入層的神經(jīng)元接受輸入的倍號(hào)，發(fā)送到隱含層的各個(gè)神經(jīng)／ｄ之ｊｎ，??經(jīng)過權(quán)值加成輸出給之后的神經(jīng)元，即下？個(gè)隱含層，隱含層的數(shù)量根據(jù)耑求而??定，最后一層隱含Ｍ的輸出再傳遞到輸出層。對(duì)Ｔ？隱含層和輸出層，其毎－個(gè)神??經(jīng)元的輸入都是之前一Ｇ所有神經(jīng)元輸出的加權(quán)和。在全連接以屮，這些神經(jīng)元??被全部鏈接起來，組成－個(gè)輸入輸出。??在使用多層感知器進(jìn)彳ｒ分類時(shí)．輸入的神經(jīng)元個(gè)數(shù)要ｆ輸入信３的維度相當(dāng)，??ｉｆｕ輸出的神經(jīng)元個(gè)數(shù)即為類別數(shù)。對(duì)干各個(gè)隱含屋，每一個(gè)隱含層的祌經(jīng)元個(gè)數(shù)??要根據(jù)具體情況來判斷。在實(shí)際應(yīng)用中，考慮到參數(shù)學(xué)習(xí)效率，＾般都＋會(huì)采用??超過Ｈ層的模爾。算法可分為兩個(gè)階：向前傳播以及向后傳播。通過建立損失函??
南京大學(xué)碩士畢業(yè)論文?第三章機(jī)器學(xué)習(xí)方法在醫(yī)學(xué)信號(hào)檢測(cè)中的應(yīng)用??上式中，ｘ（ａ）代表輸入的信號(hào)，Ｗ（ｔ－?ａ）代表概率函數(shù)，ｓ⑴為經(jīng)過卷積系統(tǒng)??后得到的信號(hào)序列。上式是卷積的定義，是在連續(xù)時(shí)間域上的公式，似在實(shí)際Ｗ??況中，信號(hào)都是離散的，而且傳感器也不會(huì)接受連續(xù)位號(hào)，因此ｓ（ｔ）會(huì)是離散??信兮。農(nóng)達(dá)式變化為卜＇式：??ｓ（ｔ）?＝?（ｘ?＊?ＣＯ?）（ｔ）?＝?Ｉ：Ｊ１＿ｒｏｘ（ａ）ｃｕ（ｔ?－?ａ）?（３．?２）??對(duì)Ｊ－本文中的卷積操作，輸入的是一維的聲壓信號(hào)，相當(dāng)ｆ很多－維數(shù)組組成的??數(shù)據(jù)集介。卜＇圖足在－個(gè)？維信吟上做卷枳的示意圖。??
【參考文獻(xiàn)】：
期刊論文
[1]基于K-means聚類算法優(yōu)化方法的研究[J]. 劉葉,吳晟,周海河,吳興蛟,韓林嶧. 信息技術(shù). 2019(01)
[2]Where Does AlphaGo Go: From Church-Turing Thesis to AlphaGo Thesis and Beyond[J]. Fei-Yue Wang,Jun Jason Zhang,Xinhu Zheng,Xiao Wang,Yong Yuan,Xiaoxiao Dai,Jie Zhang,Liuqing Yang. IEEE/CAA Journal of Automatica Sinica. 2016(02)
[3]Screening and early diagnosis of osteoporosis through X-ray and ultrasound based techniques[J]. Paola Pisani,Maria Daniela Renna,Francesco Conversano,Ernesto Casciaro,Maurizio Muratore,Eugenio Quarta,Marco Di Paola,Sergio Casciaro. World Journal of Radiology. 2013(11)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的木材缺陷識(shí)別[J]. 徐姍姍,劉應(yīng)安,徐昇. 山東大學(xué)學(xué)報(bào)(工學(xué)版). 2013(02)
[5]基于二階振蕩微粒群最小二乘支持向量機(jī)的物流需求預(yù)測(cè)[J]. 耿立艷,趙鵬,張占福. 計(jì)算機(jī)應(yīng)用研究. 2012(07)
[6]增長(zhǎng)式卷積神經(jīng)網(wǎng)絡(luò)及其在人臉檢測(cè)中的應(yīng)用[J]. 顧佳玲,彭宏京. 系統(tǒng)仿真學(xué)報(bào). 2009(08)
[7]骨定量超聲測(cè)量的臨床應(yīng)用[J]. 陶蓓,劉建民. 國(guó)際內(nèi)分泌代謝雜志. 2006(04)
[8]一種PCA算法及其應(yīng)用[J]. 張媛,張燕平. 微機(jī)發(fā)展. 2005(02)
[9]診斷骨質(zhì)疏松癥的超聲參量[J]. 他得安,余建國(guó),汪源源,王威琪. 中華超聲影像學(xué)雜志. 2003(05)
博士論文
[1]APOE基因多態(tài)性與骨質(zhì)疏松性骨折易感性關(guān)系的研究[D]. 孫金磊.山東大學(xué) 2018
本文編號(hào)：2902423
本文鏈接：http://www.lk138.cn/yixuelunwen/nfm/2902423.html
最近更新
教材專著
