【摘要】：人工免疫算法是借助和利用生物免疫系統(tǒng)的性質(zhì)和機(jī)制,用于解決工程和科學(xué)問題的一種新型的軟計(jì)算方法,已經(jīng)成為人工免疫系統(tǒng)理論及其應(yīng)用的重要研究內(nèi)容。本論文以優(yōu)化問題為主線,主要對(duì)人工免疫網(wǎng)絡(luò)算法和克隆免疫算法進(jìn)行研究,并且討論了人工免疫算法在核醫(yī)學(xué)分子影像中的應(yīng)用。本文的工作主要集中在以下幾個(gè)方面: 1、首先研究用于藥代動(dòng)力學(xué)參數(shù)優(yōu)化的人工免疫網(wǎng)絡(luò)PKAIN算法。擴(kuò)展PKAIN算法,將其應(yīng)用于核醫(yī)學(xué)分子影像動(dòng)力學(xué)參數(shù)估計(jì)。對(duì)18F-FDG小鼠PET顯像的影像數(shù)據(jù)進(jìn)行示蹤劑動(dòng)力學(xué)建模,設(shè)計(jì)人工免疫網(wǎng)絡(luò)算法估計(jì)模型參數(shù),并與核醫(yī)學(xué)定量分析軟件KIS在線系統(tǒng)和其他隨機(jī)優(yōu)化算法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明PKAIN算法尋優(yōu)能力效果良好,可作為PET分子影像動(dòng)力學(xué)模型的參數(shù)估計(jì)工具,可為構(gòu)建精確可靠的PET分子影像動(dòng)力學(xué)建模方法提供軟件技術(shù)支持。 2、改進(jìn)人工免疫網(wǎng)絡(luò)PKAIN算法,并應(yīng)用于求解核醫(yī)學(xué)分子影像動(dòng)力學(xué)參數(shù)。首先,引入?yún)f(xié)作的思想,增加全局粒子群協(xié)作算子使人工免疫網(wǎng)絡(luò)中的記憶細(xì)胞具有粒子的特性,從而通過個(gè)體間協(xié)作共享尋優(yōu)經(jīng)驗(yàn)。其次,對(duì)PKAIN算法中的變異操作進(jìn)行研究,提出基于單點(diǎn)變異方法。實(shí)驗(yàn)結(jié)果表明改進(jìn)的方法增強(qiáng)了算法的尋優(yōu)能力。 3、核醫(yī)學(xué)動(dòng)力學(xué)建模問題中的同時(shí)估計(jì)(SIME)方法是將多個(gè)目標(biāo)線性加權(quán)轉(zhuǎn)變?yōu)閱文繕?biāo)問題求解。本文在SIME領(lǐng)域新提出多目標(biāo)思想,面向應(yīng)用設(shè)計(jì)并實(shí)現(xiàn)了一種新穎的用于求解多目標(biāo)優(yōu)化問題的PKICA算法,并將該算法應(yīng)用于SIME問題。PKICA算法遵循克隆選擇原理,由一系列適應(yīng)多目標(biāo)優(yōu)化問題的算子組成。通過對(duì)測試函數(shù)的求解,與粒子群算法和遺傳算法比較,結(jié)果表明,算法具有較強(qiáng)的全局搜索能力、較好的收斂能力以及很好的保持多樣性的能力,從而證明了該算法的有效性。將PKICA算法應(yīng)用于SIME仿真實(shí)驗(yàn),結(jié)果表明,多目標(biāo)處理方法尋優(yōu)能力優(yōu)于傳統(tǒng)的單目標(biāo)處理方法,能夠獲得準(zhǔn)確穩(wěn)定的模型參數(shù)。
【圖文】：

利亞著名的免疫學(xué)家 Burnet 提出克隆選擇學(xué)說描述抗體生成，是近 40 年來在免疫學(xué)中占主導(dǎo)地位的學(xué)說。該學(xué)說以生物學(xué)和分子遺傳學(xué)為理論基礎(chǔ)，在隨后的數(shù)年間逐步被相關(guān)實(shí)驗(yàn)所證實(shí)�？寺∵x擇原理（圖 2.2）的基本思想是只選擇那些能夠識(shí)別抗原的細(xì)胞，并對(duì)其擴(kuò)增和保留；而那些識(shí)別不出抗原的細(xì)胞則不選擇，也不對(duì)其進(jìn)行擴(kuò)增，從而淘汰。這一學(xué)說是將機(jī)體的免疫現(xiàn)象建立在生物學(xué)的基礎(chǔ)上，其基本觀點(diǎn)是[15]：1）機(jī)體內(nèi)存在一些特殊的免疫細(xì)胞系，能夠通過表面的受體識(shí)別多種抗原；2）抗原進(jìn)入機(jī)體內(nèi)后進(jìn)行克隆選擇：抗原選擇與相應(yīng)受體的免疫細(xì)胞結(jié)合，使之活化并增殖，最后形成抗體，產(chǎn)生細(xì)胞及免疫記憶細(xì)胞；3）胎生期的免疫細(xì)胞與“自我”抗原接觸，，可能會(huì)出現(xiàn)被破壞、排除或處于抑制狀態(tài)的情況，這會(huì)導(dǎo)致機(jī)體失去對(duì)“自我”抗原的反應(yīng)性而形成天然自身耐受。這種被破壞、被排除或受抑制的細(xì)胞克隆被稱為禁忌克隆選擇（forbidden clone），即否定選擇過程；4）免疫細(xì)胞可突變成為與“自己”抗原發(fā)生反應(yīng)的細(xì)胞系，從而形成一系列自身免疫反應(yīng)。
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP391.41;R817

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鮑培明;朱慶保;;用于多目標(biāo)進(jìn)化的歸一化排序非支配集構(gòu)造方法[J];電子學(xué)報(bào);2009年09期

2 唐剛?cè)A;PET分子影像學(xué)研究進(jìn)展[J];核技術(shù);2004年06期

3 馬秀麗;劉芳;焦李成;;基于免疫克隆算法的協(xié)同神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化[J];紅外與毫米波學(xué)報(bào);2007年01期

4 崔云峰;白凈;陳英茂;田嘉禾;;~(18)F氟代脫氧葡萄糖代謝過程的全身模擬與可視化[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2007年01期

5 曾三友,李暉,丁立新,姚書振,許中華;基于排序的非劣集合快速求解算法[J];計(jì)算機(jī)研究與發(fā)展;2004年09期

6 李愛國,覃征,鮑復(fù)民,賀升平;粒子群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2002年21期

7 高鷹,謝勝利;免疫粒子群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2004年06期

8 崔云峰;白凈;陳英茂;田嘉禾;;肝臟FDG代謝模型的參數(shù)估計(jì)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

9 劉平安;黃鋼;;FDG/PET的絕對(duì)定量分析[J];上海第二醫(yī)科大學(xué)學(xué)報(bào);2005年12期

10 孫遜;章衛(wèi)國;尹偉;李愛軍;;基于免疫粒子群算法的飛行控制器參數(shù)尋優(yōu)[J];系統(tǒng)仿真學(xué)報(bào);2007年12期

本文編號(hào)：2585089