稀土发光调制是近年来研究者在理论上探讨并取得较好潜在应用实践成果的领域，也是近年来生物成像领域最活跃的分支之一。稀土发光广泛用于工业照明、半导体、能源等领域，近年来在太阳能电池、生物成像等领域成为研究热点。本书较全面地介绍了稀土发光理论、稀土发光调制策略，以及稀土发光在生物成像、诊疗领域的应用。同时，本书内容也涉及最新的人工智能结合材料信息学用于发光调制以及预临床的典型案例。书中还提供了相关算法的详细介绍，以供读者需要时参考。另外，本书还介绍了光谱学结合机器学习用于疾病检测的相关方法和示例，并预测了这种方法未来在疾病检测领域的应用前景，以供读者进一步思考。 本书可供高等院校生物医学工程（生物材料）专业学生阅读，也可供从事稀土发光材料、人工智能结合材料信息学研究的工程技术人员及科研人员参考。

绪论
第一章 稀土发光理论
1.1 下转换发光过程
1.2 上转换发光过程
1.3 浓度淬灭
第二章 稀土发光调制策略
2.1 金属发光调制
2.1.1 金属增强发光机理
2.1.2 金属纳米粒子电磁特性计算
2.1.3 DDA模拟算法
2.1.4 金属掺杂的典型案例
2.2 核壳多层结构
2.3 元素掺杂
2.4 染料敏化
2.5 多功能多级结构
2.6 表面改性
第三章 材料信息学与稀土发光
3.1 纳米化学结合材料信息学
3.2 人工智能用于生物医学
3.3 元启发式算法用于稀土发光优化
3.3.1 遗传算法用于稀土发光优化
3.3.2 多种元启发式算法用于稀土发光优化
3.3.3 改进模拟退火算法用于稀土发光优化
第四章 稀土发光用于生物诊断
4.1 体外成像
4.2 深层活体成像
4.3 多光谱和多模态成像
4.4 功能传感
第五章 稀土发光用于光治疗
5.1 上转换光疗
5.2 外触发疗法
5.3 多模态疗法
5.4 成像引导治疗和手术评估
第六章 稀土发光应用典型案例
6.1 神经光子学用于脑诊断治疗
6.2 NIR Ⅱ成像用于术中导航
6.3 生物正交用于诊断治疗
6.4 机械发光用于传感
第七章 光谱学结合机器学习用于疾病检测
7.1 FTIR光谱结合机器学习
7.2 拉曼光谱结合机器学习
7.3 太赫兹光谱结合机器学习
7.4 荧光光谱结合机器学习
7.5 其他手段结合机器学习
7.5.1 X射线
7.5.2 偏振光谱
7.5.3 可见光的比色
7.5.4 磁粒子光谱
7.6 对光谱学结合机器学习用于疾病检测的展望
第八章 总结与展望
附录 英文缩略词中文对照表
参考文献