基于小波去噪的生物组织光谱特性研究

基于小波去噪的生物组织光谱特性研究

论文摘要

光生物技术是生命科学重要的研究方向,生物组织作为生物体的一部分必然携带生物体的许多生命信息,对人体组织的光谱学研究和医学检测、治疗等相结合,显示了巨大的研究价值和应用前景。结合国内外研究背景和现状,本文选取人体血液作为典型的生物组织,主要研究了血液的吸收光谱和荧光光谱,将小波分析方法运用到血液光谱信号的去噪、分析之中,探索了血液光谱特性和生化指标之间的关系。本文的内容及创新点主要有以下几个方面:(1)提出了对血液光谱信号的小波处理方法。方法对血液光谱信号进行分解,再逐层细分,采用阈值处理后,得到重构信号。为医学检验与处理提供了新方法。(2)运用小波方法对人血清、全血的吸收光谱进行了分解和重构。重构的光谱信号取得了明显的去噪效果。(3)对比了正常血清和高血脂血清经小波去噪后的光谱信号,研究二者之间的差异,由此可以通过检测血清在该谱段的吸收光谱来判断血脂含量是否异常,为医学检验提供了新方法。(4)运用小波方法对人血清荧光光谱进行了分解和重构。研究了正常血清与高血脂血清、高血糖血清荧光光谱的差异。(5)除小波方法外,本文另提出一种运用简单原理对光谱信号进行去噪的方法并编写相应处理程序,以吸收光谱信号为例,处理结果与前述方法基本一致。研究表明将小波分析方法应用于血液光谱特性的研究,能够对血液光谱信号进行有效的滤噪,显示出许多新信息。分解信号也含有许多特征信息,研究重构信号或分解信号的特性与相应生化指标之间的关系,可以为医学检验、诊断提供新的检测、处理和分析方法。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 血液光谱检测的原理和发展现状
  • 1.2.1 血液光谱检测的原理
  • 1.2.2 血液光谱检测的研究现状
  • 1.2.3 血液光谱检测的发展趋势
  • 1.3 生物组织光谱研究存在的问题
  • 1.4 小波分析的发展及其在光谱分析上的应用
  • 1.4.1 小波分析的发展
  • 1.4.2 小波变换在光谱分析中的应用
  • 1.4.2.1 小波变换在红外光谱、紫外光谱上的应用
  • 1.4.2.2 小波变换在生物组织光谱分析中的应用
  • 1.5 本文的主要研究工作及创新点
  • 第二章 光谱分析技术与小波分析的理论基础
  • 2.1 光谱研究的基本理论
  • 2.1.1 吸收光谱的基本理论
  • 2.1.2 荧光光谱的基本理论
  • 2.1.2.1 荧光的产生
  • 2.1.2.2 荧光光谱的优点及主要参量
  • 2.2 小波分析的基本理论
  • 2.2.1 小波变换的产生
  • 2.2.2 小波变换的基本原理
  • 2.2.3 小波变换的特点和作用
  • 2.2.4 小波变换和傅立叶变换的比较
  • 第三章 血液吸收光谱特性研究
  • 3.1 引言
  • 3.2 基于小波分析的血清吸收光谱特性研究
  • 3.2.1 血液光谱信号小波处理方法设计
  • 3.2.1.1 小波基函数的选择
  • 3.2.1.2 小波分解原理与算法设计
  • 3.2.2 血清吸收光谱信号的小波分解、处理与重建
  • 3.2.2.1 吸收光谱检测系统
  • 3.2.2.2 实验及结果处理与分析
  • 3.3 基于小波分析的全血吸收光谱研究
  • 3.4 基于小波去噪的高血脂血清吸收光谱研究
  • 3.4.1 高血脂及其危害
  • 3.4.2 实验及结果处理与分析
  • 3.5 小结
  • 第四章 血清荧光光谱特性研究
  • 4.1 引言
  • 4.2 血清荧光光谱的小波分解、处理与重建
  • 4.2.1 荧光光谱检测系统
  • 4.2.2 实验及结果处理与分析
  • 4.3 基于小波分析的血脂对血清荧光光谱的影响研究
  • 4.4 血糖对血清荧光光谱的影响研究
  • 4.4.1 高血糖及其症状
  • 4.4.2 实验及结果处理与分析
  • 4.5 小结
  • 第五章 简易去噪方法探索
  • 5.1 方法思想
  • 5.2 方法收敛性的证明
  • 5.3 程序界面及完成效果
  • 5.4 小结
  • 第六章 总结与展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].电弧信号小波去噪分析[J]. 电气技术 2020(03)
    • [2].小波去噪在太赫兹无损检测中的应用[J]. 中国激光 2020(01)
    • [3].断路器的机械振动信号小波去噪技术研究[J]. 电力设备管理 2020(03)
    • [4].基于小波去噪的变形监测数据处理的方法研究[J]. 北京测绘 2015(06)
    • [5].基于小波去噪的极限学习机功率预测[J]. 电子世界 2019(21)
    • [6].锋电位检测信号的多元小波去噪方法研究[J]. 系统仿真学报 2013(10)
    • [7].小波去噪和混沌理论应用于输电线缺陷检测[J]. 计算机工程与应用 2012(05)
    • [8].语音小波去噪效果的复倒谱分析[J]. 微计算机信息 2012(09)
    • [9].小波去噪中小波基的选择[J]. 沈阳大学学报 2009(02)
    • [10].一种新阈值函数的小波去噪算法研究[J]. 通信技术 2017(07)
    • [11].一种新的阈值函数的平移不变多小波去噪方法[J]. 软件导刊 2011(07)
    • [12].小波去噪效果评价的另一指标[J]. 测绘信息与工程 2008(05)
    • [13].恒河猴表面肌电信号小波去噪的复合评价指标[J]. 中国医学物理学杂志 2020(09)
    • [14].基于小波去噪的灰色马尔柯夫基坑变形预测[J]. 水利与建筑工程学报 2015(04)
    • [15].基于小波去噪的自回归滑动平均模型在地铁隧道地表沉降预报中的应用[J]. 测绘地理信息 2018(03)
    • [16].基于自适应小波去噪法的精密超声波测距方法[J]. 吉林大学学报(工学版) 2017(04)
    • [17].基于软阈值和遗传自适应阈值的车辆制动信号的联合小波去噪[J]. 汽车工程 2014(06)
    • [18].通信系统中小波去噪技术的改进[J]. 电子技术与软件工程 2018(05)
    • [19].基于阈值函数的小波去噪的研究[J]. 信息通信 2016(12)
    • [20].一种图像小波去噪的改进阈值函数[J]. 计算机与数字工程 2020(06)
    • [21].一维小波去噪在雷声信号处理中的应用[J]. 数据通信 2019(03)
    • [22].全频率小波去噪方法在随钻四极横波测井中的应用[J]. 地球物理学进展 2018(05)
    • [23].液体火箭发动机启动段振动信号的小波去噪[J]. 火箭推进 2012(05)
    • [24].基于稀疏表示的小波去噪[J]. 中国科学:信息科学 2010(01)
    • [25].基于熵权的小波去噪评价指标[J]. 测绘与空间地理信息 2019(08)
    • [26].用于近红外宽带腔增强吸收光谱的小波去噪[J]. 光学学报 2019(09)
    • [27].基于小波分析对信号噪声的处理及应用[J]. 机械工程与自动化 2015(01)
    • [28].软硬折衷阈值小波去噪法在大坝位移监控中的应用[J]. 水电能源科学 2014(04)
    • [29].自适应二进小波去噪法[J]. 工程数学学报 2009(06)
    • [30].基于收缩阈值的小波去噪法[J]. 科技信息 2009(29)

    标签:;  ;  ;  ;  ;  

    基于小波去噪的生物组织光谱特性研究
    下载Doc文档

    猜你喜欢