目的微分進(jìn)化算法（DE）廣泛應(yīng)用于磁共振電阻抗成像（MREIT）中,但該算法存在后期搜索效率不高、局部搜索能力不強(qiáng)以及易出現(xiàn)"早熟"收斂等問題。材料與方法針對(duì)這些問題,本研究在肺部MREIT圖像重建仿真實(shí)驗(yàn)中采用一種微分進(jìn)化單純性混合算法。結(jié)果肺部仿真實(shí)驗(yàn)驗(yàn)證了該算法可有效對(duì)病變組織進(jìn)行阻抗圖像重構(gòu),與基于基本微分進(jìn)化算法的MREIT算法相比,明顯縮短了算法的收斂時(shí)間,提高了算法的收斂精度。結(jié)論該算法在修改的二次變異微分進(jìn)化算法中引入計(jì)算量小、收斂速度快,且具有較強(qiáng)局部搜索能力的單純形法,在不影響種群多樣性的同時(shí)提高了算法的收斂速度。 

【文章來源】：中國(guó)醫(yī)學(xué)影像學(xué)雜志. 2019,27(10)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 原理與方法
    1.1 數(shù)學(xué)模型
    1.2 修改的微分進(jìn)化算法
    1.3 改進(jìn)的單純形法（simplex method,SM）
    1.4 微分進(jìn)化單純形混合算法（DE-NM）和步驟
2 結(jié)果
3 討論


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)種群多樣性的雙變異差分進(jìn)化算法[J]. 李榮雨,陳慶倩,陳菲爾.  運(yùn)籌學(xué)學(xué)報(bào). 2017(01)
[2]基于Nelder-mead單純形法的改進(jìn)人工蜂群算法研究[J]. 蘇宏升,殷凱樂.  計(jì)算機(jī)工程與應(yīng)用. 2016(24)
[3]基于磁共振電阻抗成像技術(shù)的3維腦病變檢測(cè)仿真[J]. 閆丹丹,沈圣遠(yuǎn),陳會(huì).  高電壓技術(shù). 2015(04)
[4]基于磁共振技術(shù)的生物電阻抗成像研究進(jìn)展[J]. 陳會(huì),閆丹丹.  中國(guó)醫(yī)學(xué)影像學(xué)雜志. 2014(09)
[5]人體肺部組織介電特性實(shí)驗(yàn)研究[J]. 王潔然,王化祥,徐曉.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2013(02)

碩士論文
[1]基于微分進(jìn)化算法的腦部阻抗成像技術(shù)研究[D]. 沈圣遠(yuǎn).中國(guó)計(jì)量大學(xué) 2016
[2]人肺鱗癌細(xì)胞SK-MES-1介電頻譜特性研究[D]. 張倩.寧波大學(xué) 2015



本文編號(hào)：2999498