检索结果-南通市图书馆

作者：刘佳乐陕西师范大学

学位级别：硕士

生物发光断层成像(Bioluminescence tomography,BlT)是一种新型的光学成像模态,它利用在体表获得的光强信息来反演生物体内部光源(荧光标记靶目标)的分布信息,从而实现对生物体内部分子水平的生理或病理过程进行无创在体观测。它具有成... 详细信息

生物发光断层成像(Bioluminescence tomography,BlT)是一种新型的光学成像模态,它利用在体表获得的光强信息来反演生物体内部光源(荧光标记靶目标)的分布信息,从而实现对生物体内部分子水平的生理或病理过程进行无创在体观测。它具有成本低廉、灵敏度高、无电离辐射等优点,在药物研发、肿瘤早期检测等预临床应用方面很有发展前景。生物发光断层成像是典型逆源问题,具有高度不适定性。此外,由于生物体表能获取到的测量信息非常有限,也增加了成像的难度。如何解决BlT逆问题的病态性以及如何快速高效的进行光源重建一直是研究的热点问题。为克服BlT的不适定性获得稳定的光源重建结果,本文主要研究基于正则化技术的重建方法。主要内容包括:(1)正则化参数的自动选择众所周知,正则化参数对正则化方法的求解结果有很大的影响,因此选择一个最优的正则化参数才能确保得到好的解。本文研究了三种正则化参数自动选择方法:广义交叉验证法、l曲线法、U曲线法。将这三种方法与经典的Tikhonov正则化方法和不完全变量截断共轭梯度法相结合解决光源重建的问题,设计数字鼠实验分别验证三种方法在处理高不适定性BlT问题中的有效性。仿真实验表明:在BlT光源重建中,利用广义交叉验证法和l曲线法选取的正则化参数可以得到良好的光源重建,而利用U曲线法选取的正则化参数偏大,因此重建结果较差。(2)基于非凸l1-2正则化的BlT重建为进一步提高光源重建的精度,本文提出了一种基于非凸l1.2正则化的BlT重建方法,结合凸差分算法来求解最小化目标函数,在每一步迭代中采用带自适应惩罚项的交替方向乘子法高效求解,并结合l曲线法进行正则化参数选择。为验证此重建方法的定位能力和光源分辨能力,本文分别设计了多组数字鼠仿体上的单光源和双光源实验,并与几种典型的基于l1范数正则化的重建方法的进行了对比研究。仿真结果表明本文提出的方法可以进一步的提高重建的精度以及对双目标的分辨能力。

关键词：生物发光断层成像 Tikhonov正则化正则化参数 l1-2正则化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非凸l_(1-2)正则化的生物发光断层成像仿真研究

引用

中国激光 2018年第4期45卷 289-294页

作者：余景景刘佳乐陕西师范大学物理学与信息技术学院陕西西安710119

生物发光断层成像(BlT)是一种低成本、高灵敏、具有巨大潜力的光学分子成像模态,高效稳定的重建算法是将其推向实用的关键。为克服BlT重建的高不适定性,提出了基于非凸l_(1-2)正则化的重建方法,采用凸差分算法来解决非凸泛函最小化问题... 详细信息

生物发光断层成像(BlT)是一种低成本、高灵敏、具有巨大潜力的光学分子成像模态,高效稳定的重建算法是将其推向实用的关键。为克服BlT重建的高不适定性,提出了基于非凸l_(1-2)正则化的重建方法,采用凸差分算法来解决非凸泛函最小化问题,在每一步迭代中采用带自适应惩罚项的交替方向乘子法高效求解。为评估该方法的有效性和稳健性,设计了单光源和双光源数字鼠仿体实验,并与3个典型的重建算法进行对比,仿真实验结果表明,所提l_(1-2)正则化方法在不同光源设置下都得到了最准确的光源定位。

关键词：生物光学生物发光断层成像光源重建 l1-2正则化稀疏重建

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结构化稀疏方法研究及在基因数据上的应用

结构化稀疏方法研究及在基因数据上的应用

引用

作者：缪伟湖南大学

学位级别：硕士

稀疏正则化是一类重要的嵌入式特征选择方法,在高维小样本数据的学习中表现出许多优势,已被广泛应用于高维基因数据分析。近年来,结构化稀疏方法开始受到研究者们的广泛关注。结构化稀疏方法通过在稀疏模型中引入结构罚项,对问题施加结... 详细信息

稀疏正则化是一类重要的嵌入式特征选择方法,在高维小样本数据的学习中表现出许多优势,已被广泛应用于高维基因数据分析。近年来,结构化稀疏方法开始受到研究者们的广泛关注。结构化稀疏方法通过在稀疏模型中引入结构罚项,对问题施加结构性的先验,或者在相关但不相同的学习任务间共享信息,有助于提升模型的去噪能力和学习效果,为更好地理解潜在的生物机制提供科学见解。本文研究结构化稀疏方法及其在基因数据中的应用,主要研究成果如下:(1)已有研究表明,l1-2正则化可获得比l0正则化更稀疏的解,但存在求解算法较为复杂的问题。因此,本文提出一种求解l1-2正则化问题的近端梯度下降算法。在特定情形下,该算法可以简单便捷的求解基于l1-2正则化的回归问题。本文对算法的理论性质进行分析,并通过数值实验验证了该算法的有效性。(2)针对已有结构化稀疏模型IClasso存在的欠稀疏问题,本文提出基于l1-2正则化的多任务回归模型l1-2-Glasso。l1-2-Glasso可同时进行eQTl定位并学习基因网络结构。其中,结构罚项用于促进两个任务之间的信息共享,以提高两个任务的学习效果,l1-2正则化用于激励稀疏解。在模拟数据和TCGA癌症数据集上的实验结果表明,l1-2-Glasso在预测误差、稀疏性、鲁棒性等方面均优于现有模型。在真实数据集上应用l1-2-Glasso,有望进一步为医学实验指导方向。(3)针对罕见癌症存在的样本稀缺、分类效果不佳等问题,本文提出基于结构化稀疏的逻辑回归模型。该模型能促进不同癌症间基因数据的联合学习,跨越组织界限发现各类癌症的共同特征,从而检测到单个肿瘤类型学习时可能错漏的共同特征,克服罕见癌症样本量过少的局限,提高罕见癌症的基因选择和分类性能。在TCGA三种癌症数据集上的实验结果表明,在特征基因选择数量较多时,新模型可有效提高某些“罕见癌症”的分类准确性。综上所述,为充分利用问题结构的先验知识、在不同学习任务或不同类型癌症间实现知识迁移,本文研究几类结构化稀疏模型和求解算法,在基因调控网络估计、癌症分类等问题上获得了较好的学习效果。

关键词：结构化稀疏方法 l1-2正则化高维数据基因调控癌症分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：