改进人工鱼群算法及其在脑中风检测系统的应用

发布时间：2019-02-28 19:00

【摘要】：脑中风是我国三大重大疾病之一。每年,我国有约130万人死于脑中风的疾病,严重影响人们的生活质量和健康状况。医学上认为,脑中风的预防措施非常重要,而及时的检测到早期脑中风可以对脑中风的预防起到非常大的作用并在后续治疗中降低脑中风带来的损伤,增加治愈的概率。微波检测是一种成本低、安全性好、轻量级的检测方式。因为人脑各个组织的介电特性不同,尤其是中风病灶使人脑的介电分布发生改变,因此中风病人人脑对微波信号的散射信号也会有差别。根据接收的微波散射信号进行脑部介电分布图像的重建,从而可以诊断脑中风。本文基于微波成像技术对脑中风进行检测,算法流程分为前向计算和逆向重建,前向计算基于时域有限差分算法得到脑部微波散射信号,逆向重建基于群优化算法进行脑部介电分布图像的重建。由于脑部内部结构比较复杂,现有的微波成像技术对脑中风检测的结果精确度不高,计算复杂。针对以上问题,本文对现有人工鱼群算法(artificialfishschoolalgorithm,afsa)加以改进,克服了其他算法容易陷入局部最优等缺点,提升了搜索结果精度和算法运行速度。首先,本文分析了微波检测理论基础、大脑的物理结构以及各个组织的介电特性,接着对时域有限差分的理论基础做出了分析。第二,本文对人工鱼群基础算法进行了研究并提出了改进,包括自适应视野的改进、觅食行为的改进、聚群行为的改进、追尾行为的改进以及随机初始化概念的引入。最后,用测试函数对改进的人工鱼群算法做出了验证证明了其优越性。第三,本文设计了基于afsa的脑中风微波检测系统,包括微波信号源、微波收发天线和基于afsa的脑中风检测算法。信号源选择余弦调制超宽带微波信号,天线采用超宽带微波天线对基于改进人工鱼群的脑中风检测进行脑部介电常数分布图像的重建,从而判别并定位脑中风。第四,本文利用矢量网络分析仪和简化的配置的脑部模型进行了微波检测实验平台的搭建。在对矢量网络分析器进行校正和s参数信号进行处理的基础上,本文进行了仿真系统和实验系统微波s参数信号匹配度的研究。为了得到基于甘油的液体人脑模型的介电常数,本文利用人工鱼群算法对液体的介电常数做出了估计。最后,本文利用仿真系统对基于人工鱼群算法的脑中风检测系统进行了验证,结果表明该算法能够实现对中风血块的定位和血块直径的大小的检测。本文进一步对AFSA算法参数,如人工鱼个数和基于信号匹配度算法的食物密度函数适应度数阀值,对算法迭代次数和准确度等性能的影响进行了比较;接着,在原有的脑中风检测系统中加入了模板库使脑中风检测的检测效率提升了90%以上。接着通过比较粒子群算法和人工鱼群算法在脑中风检测系统中的应用,证明了人工鱼群算法在检测效率方面有明显的优势,检测时间比粒子群算法少了37%。最后对全文进行总结和展望。
[Abstract]:......
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R743.3;TP18

【相似文献】