【摘要】：腦中風(fēng)是我國(guó)三大重大疾病之一。每年,我國(guó)有約130萬(wàn)人死于腦中風(fēng)的疾病,嚴(yán)重影響人們的生活質(zhì)量和健康狀況。醫(yī)學(xué)上認(rèn)為,腦中風(fēng)的預(yù)防措施非常重要,而及時(shí)的檢測(cè)到早期腦中風(fēng)可以對(duì)腦中風(fēng)的預(yù)防起到非常大的作用并在后續(xù)治療中降低腦中風(fēng)帶來(lái)的損傷,增加治愈的概率。微波檢測(cè)是一種成本低、安全性好、輕量級(jí)的檢測(cè)方式。因?yàn)槿四X各個(gè)組織的介電特性不同,尤其是中風(fēng)病灶使人腦的介電分布發(fā)生改變,因此中風(fēng)病人人腦對(duì)微波信號(hào)的散射信號(hào)也會(huì)有差別。根據(jù)接收的微波散射信號(hào)進(jìn)行腦部介電分布圖像的重建,從而可以診斷腦中風(fēng)。本文基于微波成像技術(shù)對(duì)腦中風(fēng)進(jìn)行檢測(cè),算法流程分為前向計(jì)算和逆向重建,前向計(jì)算基于時(shí)域有限差分算法得到腦部微波散射信號(hào),逆向重建基于群優(yōu)化算法進(jìn)行腦部介電分布圖像的重建。由于腦部?jī)?nèi)部結(jié)構(gòu)比較復(fù)雜,現(xiàn)有的微波成像技術(shù)對(duì)腦中風(fēng)檢測(cè)的結(jié)果精確度不高,計(jì)算復(fù)雜。針對(duì)以上問(wèn)題,本文對(duì)現(xiàn)有人工魚(yú)群算法(artificialfishschoolalgorithm,afsa)加以改進(jìn),克服了其他算法容易陷入局部最優(yōu)等缺點(diǎn),提升了搜索結(jié)果精度和算法運(yùn)行速度。首先,本文分析了微波檢測(cè)理論基礎(chǔ)、大腦的物理結(jié)構(gòu)以及各個(gè)組織的介電特性,接著對(duì)時(shí)域有限差分的理論基礎(chǔ)做出了分析。第二,本文對(duì)人工魚(yú)群基礎(chǔ)算法進(jìn)行了研究并提出了改進(jìn),包括自適應(yīng)視野的改進(jìn)、覓食行為的改進(jìn)、聚群行為的改進(jìn)、追尾行為的改進(jìn)以及隨機(jī)初始化概念的引入。最后,用測(cè)試函數(shù)對(duì)改進(jìn)的人工魚(yú)群算法做出了驗(yàn)證證明了其優(yōu)越性。第三,本文設(shè)計(jì)了基于afsa的腦中風(fēng)微波檢測(cè)系統(tǒng),包括微波信號(hào)源、微波收發(fā)天線(xiàn)和基于afsa的腦中風(fēng)檢測(cè)算法。信號(hào)源選擇余弦調(diào)制超寬帶微波信號(hào),天線(xiàn)采用超寬帶微波天線(xiàn)對(duì)基于改進(jìn)人工魚(yú)群的腦中風(fēng)檢測(cè)進(jìn)行腦部介電常數(shù)分布圖像的重建,從而判別并定位腦中風(fēng)。第四,本文利用矢量網(wǎng)絡(luò)分析儀和簡(jiǎn)化的配置的腦部模型進(jìn)行了微波檢測(cè)實(shí)驗(yàn)平臺(tái)的搭建。在對(duì)矢量網(wǎng)絡(luò)分析器進(jìn)行校正和s參數(shù)信號(hào)進(jìn)行處理的基礎(chǔ)上,本文進(jìn)行了仿真系統(tǒng)和實(shí)驗(yàn)系統(tǒng)微波s參數(shù)信號(hào)匹配度的研究。為了得到基于甘油的液體人腦模型的介電常數(shù),本文利用人工魚(yú)群算法對(duì)液體的介電常數(shù)做出了估計(jì)。最后,本文利用仿真系統(tǒng)對(duì)基于人工魚(yú)群算法的腦中風(fēng)檢測(cè)系統(tǒng)進(jìn)行了驗(yàn)證,結(jié)果表明該算法能夠?qū)崿F(xiàn)對(duì)中風(fēng)血塊的定位和血塊直徑的大小的檢測(cè)。本文進(jìn)一步對(duì)AFSA算法參數(shù),如人工魚(yú)個(gè)數(shù)和基于信號(hào)匹配度算法的食物密度函數(shù)適應(yīng)度數(shù)閥值,對(duì)算法迭代次數(shù)和準(zhǔn)確度等性能的影響進(jìn)行了比較;接著,在原有的腦中風(fēng)檢測(cè)系統(tǒng)中加入了模板庫(kù)使腦中風(fēng)檢測(cè)的檢測(cè)效率提升了90%以上。接著通過(guò)比較粒子群算法和人工魚(yú)群算法在腦中風(fēng)檢測(cè)系統(tǒng)中的應(yīng)用,證明了人工魚(yú)群算法在檢測(cè)效率方面有明顯的優(yōu)勢(shì),檢測(cè)時(shí)間比粒子群算法少了37%。最后對(duì)全文進(jìn)行總結(jié)和展望。
[Abstract]:......
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R743.3;TP18

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前3條

1 李曉磊;錢(qián)積新;;人工魚(yú)群算法:自下而上的尋優(yōu)模式[A];過(guò)程系統(tǒng)工程2001年會(huì)論文集[C];2001年

2 徐公林;張鐵龍;;人工魚(yú)群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識(shí)中的應(yīng)用[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚(yú)群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王聯(lián)國(guó);人工魚(yú)群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚(yú)群智能優(yōu)化算法及其應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚(yú)群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚(yú)群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進(jìn)的人工魚(yú)群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲(chóng)群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚(yú)群算法在商旅問(wèn)題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚(yú)群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無(wú)功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽(yáng)理工大學(xué);2015年

6 崔淑慧;三維管路自動(dòng)敷設(shè)算法及干涉校驗(yàn)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚(yú)群算法及其在水庫(kù)(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進(jìn)人工魚(yú)群算法的化工過(guò)程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進(jìn)人工魚(yú)群算法無(wú)人機(jī)航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚(yú)群算法的柔性作業(yè)車(chē)間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號(hào)：2432079