熒光分子層析成像技術(shù)最近發(fā)展非常迅速,并且被廣泛運(yùn)用在醫(yī)學(xué)成像領(lǐng)域。該技術(shù)通過給生物蛋白標(biāo)記同位素產(chǎn)生熒光分子蛋白,然后將這種熒光分子蛋白喂入需要觀察或者重構(gòu)的生物體組織,然后通過使用文中三維重構(gòu)算法對(duì)熒光蛋白分布進(jìn)行模型重構(gòu),從細(xì)胞和分子水平上觀察生物組織的生理變化,從而診斷疾病。這為生物細(xì)胞的病理變化和醫(yī)學(xué)藥物的發(fā)展提供了重要的參考價(jià)值。熒光分子重構(gòu)技術(shù)和常見的醫(yī)學(xué)成像技術(shù)相比,可以較早的發(fā)現(xiàn)病變組織。傳統(tǒng)的醫(yī)學(xué)影像診斷包括X射線、CT、MRI等,這些傳統(tǒng)的醫(yī)學(xué)影像處理技術(shù)本質(zhì)上檢測(cè)的是生物體組織器官在發(fā)生病變或者分子水平改變之后的效應(yīng)。在還沒有發(fā)生解剖學(xué)改變的疾病發(fā)生前,一種常見的實(shí)驗(yàn)方法是在不同的時(shí)間殺死動(dòng)物,然后獲取有關(guān)生物體的數(shù)據(jù)。這樣的做法存在很多問題,不僅個(gè)體差異不同,而且采集數(shù)據(jù)各個(gè)時(shí)間點(diǎn)不同。與傳統(tǒng)的方法比較,熒光分子層析成像技術(shù)通過對(duì)一組生物體進(jìn)行跟蹤、采集數(shù)據(jù),得到了準(zhǔn)確性很高的數(shù)據(jù),這不僅提高了實(shí)驗(yàn)效率,而且減少了經(jīng)費(fèi)。本論文主要內(nèi)容如下:（1）介紹了熒光分子成像技術(shù)和常見的三維重構(gòu)算法的發(fā)展現(xiàn)狀。針對(duì)熒光分子重構(gòu)技術(shù)的三維重構(gòu)算法介紹常用的數(shù)學(xué)模型。介紹凸優(yōu)... 

【文章來(lái)源】：山東工商學(xué)院山東省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原始的三維重構(gòu)模型

（a）預(yù)處理共軛梯度法 （b）高斯賽德爾迭代法圖 3.2 基于兩種不同迭代方式的改進(jìn)的 Split Bregman 算法仿真實(shí)驗(yàn)從圖 3.2 可以看出，在信噪比為 10dB，正則化參數(shù) λ 和 μ 分別選擇 10 和 1 的下，兩種迭代方式所得到的重構(gòu)效果沒有太大的區(qū)別。二者都能夠達(dá)到比較好果。但是從之前的表格可以看出，預(yù)處理共軛梯度法的重構(gòu)時(shí)間比較少，對(duì)于模的數(shù)值求解，可以減少很多的時(shí)間消耗。.4 Split Bregman 改進(jìn)算法的重構(gòu)性能分析.4.1 Split Bregman 改進(jìn)算法和原始算法的重構(gòu)時(shí)間和性能比較文中選擇信噪比為 10dB 的三維重構(gòu)的血管模型，正則化參數(shù) λ 和 μ 分別選擇 1。觀察原始算法和改進(jìn)算法對(duì)于 10dB 的仿真血管模型的重構(gòu)性能比較。然后進(jìn)行了 20 次實(shí)驗(yàn)，分別記錄了兩種算法各項(xiàng)性能指標(biāo)的平均值。由下表可見，改進(jìn)算法在收斂時(shí)間上來(lái)說并不占優(yōu)勢(shì)，有些時(shí)候可能收斂時(shí)間長(zhǎng)一點(diǎn)。

25(e)20dB 血管重構(gòu)模型 (f)25dB 血管重構(gòu)模型圖 3.4 Split Bregman 改進(jìn)算法對(duì)于不同的信噪比模型的展示從上面的 5 張圖可以看出，Split Bregman 改進(jìn)算法在不同的信噪比下的重構(gòu)效不一樣的，在數(shù)據(jù)的信噪比很小的時(shí)候，也即是說數(shù)據(jù)中噪聲信號(hào)非常大的時(shí)候構(gòu)的效果非常的不理想，然后當(dāng)信號(hào)的噪聲非常小的時(shí)候，也即是信噪比很大候，比如上面的重構(gòu)的信噪比是 25dB 的時(shí)候，重構(gòu)效果非常的好。.5 常見的重構(gòu)算法簡(jiǎn)單介紹上面一小節(jié)主要根據(jù)之前原始的 Split Bregman 算法推導(dǎo)得出改進(jìn)的算法，以進(jìn)算法的一些性質(zhì)和重構(gòu)效果等。本小節(jié)主要的介紹兩種傳統(tǒng)的重構(gòu)算法，分基于內(nèi)點(diǎn)法的 l1ls 算法和 GPSR 重構(gòu)算法。首先基于內(nèi)點(diǎn)法的 l1ls 算法是將原目標(biāo)函數(shù)轉(zhuǎn)化成對(duì)偶函數(shù)，然后通過對(duì)偶間隙的減小，逐漸迭代搜索得到原始

【參考文獻(xiàn)】：
期刊論文
[1]一種具有充分下降性的三項(xiàng)共軛梯度法[J]. 夏師,袁功林,王博朋,王曉亮.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(23)
[2]區(qū)間凸二次規(guī)劃問題弱最優(yōu)解的判別[J]. 黃昊,李煒,夏夢(mèng)雪.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[3]求解大規(guī)模無(wú)約束優(yōu)化問題的一種新的PRP三項(xiàng)共軛梯度法[J]. 王松華,黎勇.  廣西民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[4]多目標(biāo)凸優(yōu)化束方法子問題的對(duì)偶問題分析[J]. 沈潔,田淼,張俊男,胡盼.  吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[5]采用內(nèi)點(diǎn)法的基追蹤算法測(cè)井?dāng)?shù)據(jù)恢復(fù)[J]. 張江濤,夏克文,周巧,牛文佳.  科學(xué)技術(shù)與工程. 2018(09)
[6]自適應(yīng)權(quán)重的GPSR壓縮感知重構(gòu)算法[J]. 李昕藝,劉三陽(yáng),張朝輝.  浙江大學(xué)學(xué)報(bào)(理學(xué)版). 2018(02)
[7]基于對(duì)數(shù)障礙法的網(wǎng)絡(luò)流量管理算法[J]. 張洪,王俊杰,李牧澤,胡英,劉山,馮大峰,何珠.  成都大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]基于高斯-賽德爾迭代法及MATLAB軟件的電路方程組求解方法[J]. 裴志堅(jiān).  北京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2017(03)
[9]基于全變分的圖像去噪算法[J]. 倪念勇,孫波.  數(shù)學(xué)理論與應(yīng)用. 2017(02)
[10]基于Split Bregman算法的圖像處理[J]. 石國(guó)良.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)

博士論文
[1]向量?jī)?yōu)化問題的解與對(duì)偶性[D]. 唐莉萍.上海大學(xué) 2015



本文編號(hào)：3479994