热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

简易模型计算机设计仿真,体视学虚拟实验模型的计算机仿真设计与实现

摘要:问题的提出体视学(stereology)是由二维结构信息定量推论三维结构信息的一门界于形态学和数学之间的新兴边缘学科.体视学的基本目的是要从组织二维结构定量认识

摘要:

问题的提出 体视学(stereology)是由二维结构信息定量推论三维结构信息的一门界于形态学和数学之间的新兴边缘学科.体视学的基本目的是要从组织二维结构定量认识其三维结构,这就需要准确建立二维形态结构与三维形态结构之间的关系.已经证实二维平面细胞形态的一些参数与三维间存在一定的函数关系,因此可以把实际测得的二维平面数据代入体视学公式来推测真实三维组织结构某些特定指标.用体视学原理和方法定量地描述生物组织的形态结构,通常所检测的指标包括分布密度,数密度,体积密度,表面积密度,长度密度和面积密度等. 对于体视学公式的获得,统计量的选择多来自基础理论推导.实际组织是不可能无限次切片的,因此,体视学理论方法中尚有一些问题需要解决.比如,如何实验已有的体视学公式?是否可以找到一种新方法来判断形态参数之间的函数或相关关系?在形态学研究应用中如何选择合适的测量参数以及确定合理的样本量?针对这些问题,我们想到建立一个以特例为基础的能够无限次切片的计算机模型,模拟切片过程以判断统计指标和确定函数关系,为体视学理论方法研究提供一个工具和客观实证方法. 研究的目的和意义 (1)我们设计这个虚拟实验系统是为了提供一个能无限次应用的统计学实验模型来实验证体视学理论和方法.本文所述布局算法可满足简易性和测量结果的易得性,同时输出结果稳定可靠.能够作为今后体视学研究的一个可供选择的模型工具. (2)对于体视学中的理论和方法,通常以数学推导的方法得到,缺乏一个可以反复抽样模拟的计算机虚拟模型,这也影响到体视学理论和方法的发展.我们试图借助计算机作为模拟多次抽样的过程,并对得到的各种体视学参数数据进行分析和数据拟合检验,来实验体视学公式. (3)对于体视学的研究,目前尚无相关客观实证手段.本文将提供一个可供参考的计算机虚拟实验平台. 技术路线和方法 第一部分基于MC法的布局算法研究 1.预期概率分布的产生方法我们采用蒙特卡罗(Monte Carlo,MC)方法模拟随机现象的发生来进行近似计算,以获得所考察体系的详尽信息,其统计误差可通过增加样本数而减少到所希望的程度. 2.均匀分布的布局算法在Visual studio环境中应用线性同余法(Linear Congruential Method)生成均匀分布的随机序列(模数,乘子,增量参数).调用微软基本类库提供的随机函数srand(seed)来实现,并应用时间函数来确保选用不同的种子参数. 3.正态分布的布局算法应用反函数法产生任意分布伪随机序列,其原理是基于已有均匀分布的序列,将所需的概率分布的概率分布函数f(x)进行反变换,得到正态分布的概率分布函数f(x)的反函数F(Y),通过F(Y)就可得到概率分布函数为f(x)的随机序列. 4.数据分析及布局序列检验用spss 13.0和Originlab origin 7.5对所得数据进行均匀性和独立性检验.我们采用χ~2拟合优度检验法对[0,1]区间的随机序列进行了均匀性检验,并用Pearsonχ~2检验法检验了区间大小不同的组别间的差异性.独立性检验我们采用自相关系数检验法. 我们采用动差法(Method of Movement)检验序列分布的正态性.判断检验偏度系数(coefficient of skewness)和峰度系数(coefficient of kurtosis)与0的相差是否有显著性.用Kolmogorov-Smirnov/Z拟合优度检验来判断所获数据的理论分布情况. 第二部分体视学虚拟实验仿真系统设计与实现 1.开发环境本软件系统是在Windows 2000 Professional操作系统下,采用IDE为Visual Studio C&#43;&#43; 6.0,部分控件及中间件由互联网上自由软件提供或下载.并应用OpenGL(Open Graphics Library)进行基本几何图元绘制,矩阵操作,几何变换及模拟粒子点,线,面的绘制等. 2.后台数据管理数据库系统采用Micorsoft Acess 2003数据库管理系统,并采用ADO(ActiveX Data Objects)技术作为数据库访问方法. 3.人机交互接口依据生物组织切片的基本过程和体视学研究的基本思路及实际需求,通过相应的参数定制相应的模型,然后通过各种外部命令来控制系统的运行,如对用户输入,有效性检验等的控制等.本系统的人机交互接口通过以下各个方面的控制参数来实现: 模型参数:粒子数,粒子半径,坐标系长度,试验次数参数等; 粒子布局参数:均值和标准差,极差,步长,概率参数等; 截面参数:斜率,截面最大径,截面面积,截面周长参数等. 计算参数:体积密度,数密度,线密度,长度密度,周边密度参数等. 4.虚拟包容空间构建建立包容空间三维模型.包容空间是指一个有限的空间范围,是盛纳粒子的容器.为了方便计算以及在虚拟切片过程中便于识别截面的投影,我们规定模拟的包容空间为一个等边立方体,由包含三个分量的三元组表示Container(X,Y,Z),X,Y,Z分别代表三个坐标轴.在visual studio中定义为三维浮点型数组:float array[m][n][p].我们把此包容空间假想为截取一个三维空间X,Y,Z作为粒子存在的环境,该空间的一个特例是三边相等的立方体. 5.面向对象的参数化系统设计我们应用面向对象的设计方法(OOP,Ob-ject Oriented Programming),提高本虚拟实验系统的性能.采用面向对象的程序设计技术,首先为模拟的对象定义一个完整的类结构(继承和派生关系),它由概括了一组对象共同性质的数据和函数组成. 6.初始化OpenGL环境和参数化图形模块设置环境DC的位图格式(Pixel-Format)属性.由研究者根据需要任意给出各个参数,然后系统根据各参数构造出模型.本系统的模型参数有:粒子数,粒子半径,粒子半径步长,坐标系长度,试验次数,粒子分布类型,切面斜率等.本系统设计人机交互输入参数,并采用一个浮点类型的变量存储. (7)虚拟切片和计量以随即穿过包容空间的二维平面作为随机切片,判断布局粒子是否被击中.粒子的位置属性由其中心坐标确定.位置信息是在粒子生成过程中由随即函数产生.并假定一个平面作为切片,它是以是投影在任意两个平面上的直线方程作为表示方式.判断每个粒子是否被击中并测量被击中粒子截面二维参数. (8)仿真结果与分析根据上述算法,我们在虚拟立方体中建立随机散布粒子系统,并对此虚拟粒子系统进行模拟切片,再由计算机对截面进行判断,并自动计算所有击中粒子截面面积,周长,直径,弦截线长度,截距,交点计数等计量学参数.由用户自定义循环次数n,循环相同切片过程n次,得到n组实验结果. (9)数据拟合检验将所得到的数据进行数值分析,与经典公式进行拟合比较,判断拟合优度.为检验不同曲线拟合效果,我们分别选定密度参数作为检验指标,用originlab origin 7.5对各项数据进行拟合,数值分析的目的是给出各列数据的各项统计参数.确定拟合曲线,并判断拟合曲线是否有统计学意义(P<0.05).从而确定各参数的最适多项式(P<0.05).曲线拟合的目的是根据实验获得的数据去建立因变量与自变量之间有效的函数关系. 结果 第一部分基于MC法的布局算法研究 1.均匀性检验:在显著性水平α&#61;0.05下,拒绝域χ_(0.05,73)~2&#61;90.5,模拟序列均能通过均匀性检验. 2.均匀性检验:在100次重复实验中,我们依据区间数k将随机序列的值域划分为不同的等长小区间,以分别选取区间数为k&#61;50,k&#61;75,k&#61;100,并用Pearsonχ~2检验不同组别均匀性检验通过率的差别.结果表明,随机序列组数为k&#61;50,k&#61;75,k&#61;100时的均匀性检验通过率分别为:94%,97%,98%.选取不同区间大小之间的序列均匀性差异无统计学意义(P>0.05) 3.独立性检验:在一次实验中,取前10阶相关系数,对随机数序列的变量初始化和序列初始化的独立性检验结果表明:自相关系数与零均无显著性差异(P>0.05),在显著性水平α&#61;0.05下接受随机数不相关的假设. 4.独立性检验:在100次重复实验中,由变量初始化和序列初始化得到的随机序列独立性检验通过率为92%和94%. 5.正态性检验:100次重复实验结果表明:单样本Kolmogorov-Smirnov检验(双尾)P>0.05,偏度系数(g1)和峰度系数(g2)与0的差异不具有统计学意义. 第二部分体视学虚拟实验仿真系统设计与实现 1.我们采用置信度法检测体视学虚拟仿真实验系统的准确性.对于真值与估计值的判断,估计值与真值的绝对误差<0.01,实际数据有效概率大于标准概率.可以认为仿真数据与真值无统计学差异,模型可信,置信度在95%以上. 2.线性拟合结果:由面分析法,线分析法,点分析法三种不同方法所得到的回归方程均成立(P<0.01).点密度,线密度和面积密度分别与体积密度之间存在依存关系(相关系数为0的概率P<0.001). 3.对于三维结构中体积密度的推断,依据面积密度所得到的拟合曲线拟合最优(拟合的标准差最小).由此表明,在无法直接测量体积密度的情况下,本系统中面分析法是推断体积密度最优的方法,其次是线分析法,最后是点分析法.但随着样本量增加,三种方法的差异无统计学意义(P>0.01). 4.对于Ewald R.Weibel提出的经典数密度测试公式的拟合检验,以本模型得到的数据进行拟合的结果,粒子数密度确实与面数密度与体积密度变量分别存在幂函数相关关系(P<0.0001). 结论 1.本文首次建立了一套体视学虚拟实验计算机仿真系统.建立了粒子布局及生成的几何模型,设计了一个以特例为基础的能够无限次切片的体视学虚拟实验系统,并以计算机软件实现. 2.优化了模拟算法.以此算法过程开发的基于微软基本类库的win32应用软件系统能够较好的模拟组织切片

展开



推荐阅读
  • sklearn数据集库中的常用数据集类型介绍
    本文介绍了sklearn数据集库中常用的数据集类型,包括玩具数据集和样本生成器。其中详细介绍了波士顿房价数据集,包含了波士顿506处房屋的13种不同特征以及房屋价格,适用于回归任务。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 学习SLAM的女生,很酷
    本文介绍了学习SLAM的女生的故事,她们选择SLAM作为研究方向,面临各种学习挑战,但坚持不懈,最终获得成功。文章鼓励未来想走科研道路的女生勇敢追求自己的梦想,同时提到了一位正在英国攻读硕士学位的女生与SLAM结缘的经历。 ... [详细]
  • Iamtryingtomakeaclassthatwillreadatextfileofnamesintoanarray,thenreturnthatarra ... [详细]
  • 向QTextEdit拖放文件的方法及实现步骤
    本文介绍了在使用QTextEdit时如何实现拖放文件的功能,包括相关的方法和实现步骤。通过重写dragEnterEvent和dropEvent函数,并结合QMimeData和QUrl等类,可以轻松实现向QTextEdit拖放文件的功能。详细的代码实现和说明可以参考本文提供的示例代码。 ... [详细]
  • 本文分享了一个关于在C#中使用异步代码的问题,作者在控制台中运行时代码正常工作,但在Windows窗体中却无法正常工作。作者尝试搜索局域网上的主机,但在窗体中计数器没有减少。文章提供了相关的代码和解决思路。 ... [详细]
  • 本文讨论了在Windows 8上安装gvim中插件时出现的错误加载问题。作者将EasyMotion插件放在了正确的位置,但加载时却出现了错误。作者提供了下载链接和之前放置插件的位置,并列出了出现的错误信息。 ... [详细]
  • CSS3选择器的使用方法详解,提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法,包括属性选择器的使用。通过CSS3选择器,可以提高Web开发的效率和精准度,使得查找元素更加方便和快捷。同时,本文还对属性选择器的各种用法进行了详细解释,并给出了相应的代码示例。通过学习本文,读者可以更好地掌握CSS3选择器的使用方法,提升自己的Web开发能力。 ... [详细]
  • 知识图谱——机器大脑中的知识库
    本文介绍了知识图谱在机器大脑中的应用,以及搜索引擎在知识图谱方面的发展。以谷歌知识图谱为例,说明了知识图谱的智能化特点。通过搜索引擎用户可以获取更加智能化的答案,如搜索关键词"Marie Curie",会得到居里夫人的详细信息以及与之相关的历史人物。知识图谱的出现引起了搜索引擎行业的变革,不仅美国的微软必应,中国的百度、搜狗等搜索引擎公司也纷纷推出了自己的知识图谱。 ... [详细]
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • YOLOv7基于自己的数据集从零构建模型完整训练、推理计算超详细教程
    本文介绍了关于人工智能、神经网络和深度学习的知识点,并提供了YOLOv7基于自己的数据集从零构建模型完整训练、推理计算的详细教程。文章还提到了郑州最低生活保障的话题。对于从事目标检测任务的人来说,YOLO是一个熟悉的模型。文章还提到了yolov4和yolov6的相关内容,以及选择模型的优化思路。 ... [详细]
  • Java序列化对象传给PHP的方法及原理解析
    本文介绍了Java序列化对象传给PHP的方法及原理,包括Java对象传递的方式、序列化的方式、PHP中的序列化用法介绍、Java是否能反序列化PHP的数据、Java序列化的原理以及解决Java序列化中的问题。同时还解释了序列化的概念和作用,以及代码执行序列化所需要的权限。最后指出,序列化会将对象实例的所有字段都进行序列化,使得数据能够被表示为实例的序列化数据,但只有能够解释该格式的代码才能够确定数据的内容。 ... [详细]
  • 本文讨论了使用差分约束系统求解House Man跳跃问题的思路与方法。给定一组不同高度,要求从最低点跳跃到最高点,每次跳跃的距离不超过D,并且不能改变给定的顺序。通过建立差分约束系统,将问题转化为图的建立和查询距离的问题。文章详细介绍了建立约束条件的方法,并使用SPFA算法判环并输出结果。同时还讨论了建边方向和跳跃顺序的关系。 ... [详细]
  • Android Studio Bumblebee | 2021.1.1(大黄蜂版本使用介绍)
    本文介绍了Android Studio Bumblebee | 2021.1.1(大黄蜂版本)的使用方法和相关知识,包括Gradle的介绍、设备管理器的配置、无线调试、新版本问题等内容。同时还提供了更新版本的下载地址和启动页面截图。 ... [详细]
  • 本文介绍了Perl的测试框架Test::Base,它是一个数据驱动的测试框架,可以自动进行单元测试,省去手工编写测试程序的麻烦。与Test::More完全兼容,使用方法简单。以plural函数为例,展示了Test::Base的使用方法。 ... [详细]
author-avatar
手机用户2602917255
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有