已选(0)清除
条数/页: 排序方式: |
| 基于块稀疏贝叶斯框架的生物自发荧光断层成像算法研究 学位论文 , 北京市海淀区中关村东路95号中国科学院自动化研究所: 中国科学院大学, 2021 作者: 尹琳 Adobe PDF(75998Kb)  |  收藏  |  浏览/下载:211/5  |  提交时间:2021/06/16 生物自发荧光断层成像 块稀疏贝叶斯算法 K均值聚类策略 K近邻策略 自适应分组策略 |
| 基于结构相关正交匹配追踪的激发荧光肝肿瘤重建研究 学位论文 , 自动化研究所: 中国科学院大学, 2020 作者: 孔令鑫 Adobe PDF(2986Kb)  |  收藏  |  浏览/下载:260/6  |  提交时间:2020/06/03 激发荧光断层成像 匹配追踪 组稀疏 斯密特正交化 |
| 无肿瘤区域引导的生物自发荧光断层成像重建算法研究 学位论文 , 北京: 中国科学院大学, 2019 作者: 高源 Adobe PDF(7003Kb)  |  收藏  |  浏览/下载:252/6  |  提交时间:2019/06/11 光学分子影像 生物自发荧光断层成像 高斯权重拉普拉斯正则先验 双边权重拉普拉斯正则先验 多层感知机重建模型 |
| 基于L1正则化稀疏约束的激发荧光断层重建方法研究 学位论文 , 北京: 中国科学院研究生院, 2017 作者: 叶津佐 Adobe PDF(4773Kb)  |  收藏  |  浏览/下载:309/2  |  提交时间:2017/06/20 光学分子影像 激发荧光断层重建 L1范数正则化 非单调谱投影梯度方法 交替方向优化方法 稀疏度自适应 |
| 基于模态融合的生物自发荧光断层成像方法研究与原型系统构建 学位论文 , 中国科学院自动化研究所: 中国科学院大学, 2014 作者: 吴萍 Adobe PDF(2920Kb)  |  收藏  |  浏览/下载:188/0  |  提交时间:2015/09/02 模态融合的光学分子影像 生物自发荧光断层成像 三维重建算法 并行迭代收缩方法 迭代重加权方法 Hybrid Molecular Imaging Bioluminescence Tomography 3d Reconstruction Parallel Iterative Shrinkage Method Iterative Reweighted Method |
| 一种基于迭代重加权的生物自发荧光断层成像方法 专利 专利类型: 发明, 专利号: CN201310254346.X, 申请日期: 2013-06-25, 公开日期: 2013-09-18 发明人: 田捷; 吴萍; 杨鑫; 王坤 浏览  |  Adobe PDF(4130Kb)  |  收藏  |  浏览/下载:224/47  |  提交时间:2015/09/22 |
| 荧光图像三维空间配准、重建算法及其应用研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2011 作者: 马喜波 Adobe PDF(16079Kb)  |  收藏  |  浏览/下载:236/0  |  提交时间:2015/09/02 分子影像 图像三维空间配准 自发荧光断层成像 肿瘤早期探测 药物疗效评估 Molecular Imaging Dimensional Image Registration Bioluminescence Tomography Early Detection Of Liver Tumor Evaluation Of Drug Efficacy |
| 生物自发荧光三维断层成像方法研究 学位论文 , 中国科学院自动化研究所: 中国科学院研究生院, 2011 作者: 刘凯 Adobe PDF(13768Kb)  |  收藏  |  浏览/下载:259/0  |  提交时间:2015/09/02 分子影像 光学成像 生物自发荧光断层成像 前向数理模型 重建算法 逆问题 高阶近似模型 多模态融合 Molecular Imaging Optical Imaging Bioluminescence Tomography Forward Math-physical Model Reconstruction Algorithm Inverse Problem Higher-order Approximation Model Multimodality Fusion |
| Applications of Monte Carlo method in simulating diffuse optical imaging 期刊论文 Ruan Jian Xue Bao/Journal of Software, 2009, 卷号: 20, 期号: 5, 页码: 1216-1225 作者: Liu, Kai; Tian, Jie; Yang, Wei; Qin, Cheng-Hu; Xu, Min; Liu, Dan Adobe PDF(350Kb)  |  收藏  |  浏览/下载:261/126  |  提交时间:2015/08/12 Monte Carlo Method |