本文關(guān)鍵詞：基于FDTD的微波腦中風(fēng)檢測算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,腦中風(fēng)的發(fā)病率和死亡率逐年攀升,統(tǒng)計表明,我國每年死于腦血管病的患者約130萬,腦中風(fēng)已經(jīng)成為我國居民的第一位死亡原因。嚴重危害人們的生命健康。醫(yī)學(xué)研究證明,腦中風(fēng)的及時檢測和發(fā)現(xiàn)能極大的增加其治愈機率,減少中風(fēng)對腦部的損傷。腦中風(fēng)微波檢測就是利用微波技術(shù)對腦部中風(fēng)進行檢測的一種檢測手段,微波檢測相對于常規(guī)的腦中風(fēng)檢測手段,具有安全性好,實時性好,成本低等特點,越來越受到研究者的關(guān)注。在進行腦部介電結(jié)構(gòu)和微波檢測相關(guān)原理的研究基礎(chǔ)上,本論文首先進行了腦中風(fēng)微波檢測系統(tǒng)總體結(jié)構(gòu)設(shè)計,檢測系統(tǒng)主要包括微波信號源,天線和微波信號的發(fā)射接收和微波信號分析處理等模塊,仿真系統(tǒng)利用核磁(MRI)腦部圖像建立腦部模型,部署環(huán)繞腦部的天線陣列,并利用調(diào)制高斯信號產(chǎn)生激勵信號。接著進行了中風(fēng)檢測算法的模型設(shè)計,該模型由前向計算和逆向重建計算組成。前向計算利用完全匹配層(PML)吸收邊界的時域有限差分法(FDTD)對腦部區(qū)域進行電磁場模擬和數(shù)值計算。針對人腦中風(fēng)微波散射體不規(guī)則,結(jié)構(gòu)復(fù)雜,介電性質(zhì)差異小等特性所帶來的挑戰(zhàn),逆向重建我們首先設(shè)計了一個基于信號相似度的檢測算法,采用二分查找迭代法對腦部血塊進行檢測,可以初步的判斷腦部血塊的存在性和大致區(qū)域,然后以一種改進型智能粒子群算法,在信號相似算法的基礎(chǔ)上實現(xiàn)對腦部的中風(fēng)的檢測,最終可以對腦部中風(fēng)血塊的大小、位置進行判斷。并且,在中風(fēng)檢測算法中采用可累積的中風(fēng)模板數(shù)據(jù)庫,有效地降低了重建算法的耗時。仿真系統(tǒng)利用核磁(MRI)腦部圖像建立腦部模型,部署環(huán)繞腦部的天線陣列,并利用調(diào)制高斯信號產(chǎn)生激勵信號。研究結(jié)果證明,基于FDTD的信號相似度檢測算法,能有效地對中風(fēng)血塊進行檢測;在此基礎(chǔ)上設(shè)計的基于粒子群的腦中風(fēng)檢測算法,能夠?qū)崿F(xiàn)對腦中風(fēng)血塊的位置和大小信息進行有效、準確的檢測。此外,我們對粒子群定位檢測系統(tǒng)進行優(yōu)化,增加模板信號庫和粒子迭代終止條件,檢測效率有了明顯的提升,統(tǒng)計數(shù)據(jù)顯示,檢測時間減少了85%以上。
【關(guān)鍵詞】：腦中風(fēng) 微波檢測 時域有限差分法 信號相似度 粒子群
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R743.3;TN911.7
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-19
• 1.1 研究背景和意義11-12
• 1.2 常見的腦中風(fēng)檢測手法12-16
• 1.3 國內(nèi)外研究現(xiàn)狀16-18
• 1.4 論文章節(jié)安排18-19
• 第二章 腦中風(fēng)微波檢測基礎(chǔ)19-37
• 2.1 腦部的復(fù)雜結(jié)構(gòu)19-23
• 2.2 微波檢測基本原理23-25
• 2.3 時域有限差分法理論基礎(chǔ)25-31
• 2.4 粒子群優(yōu)化算法31-35
• 2.5 小結(jié)35-37
• 第三章 基于微波的腦中風(fēng)檢測系統(tǒng)設(shè)計37-49
• 3.1 微波腦中風(fēng)檢測系統(tǒng)設(shè)計37-44
• 3.2 微波腦中風(fēng)檢測系統(tǒng)算法設(shè)計44-48
• 3.3 小結(jié)48-49
• 第四章 基于信號相似度的腦中風(fēng)檢測算法49-56
• 4.1 基于信號相似度算法評估49
• 4.2 基于信號相似度算法的腦中風(fēng)檢測框架49-51
• 4.3 相關(guān)參數(shù)的設(shè)置51-52
• 4.4 檢測結(jié)果分析52-55
• 4.5 小結(jié)55-56
• 第五章 基于粒子群的腦中風(fēng)定位檢測算法56-64
• 5.1 粒子群微波腦中風(fēng)檢測評估56-57
• 5.2 基于粒子群的腦中風(fēng)定位檢測算法框架57-58
• 5.3 相關(guān)參數(shù)設(shè)置58-59
• 5.4 檢測結(jié)果分析59-63
• 5.5 小結(jié)63-64
• 第六章 總結(jié)與展望64-66
• 參考文獻66-70
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文70-71
• 附錄2 攻讀碩士學(xué)位期間參加的科研項目71-72
• 致謝72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉曉平;圖象開窗算法[J];CT理論與應(yīng)用研究;1996年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識別方法和智能建模研究[D];江南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學(xué);2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進與應(yīng)用[D];大連海事大學(xué);2015年

  本文關(guān)鍵詞：基于FDTD的微波腦中風(fēng)檢測算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：340508