基于FDTD的微波脑中风检测算法研究

发布时间：2017-05-02 07:12

  本文关键词：基于FDTD的微波脑中风检测算法研究，由笔耕文化传播整理发布。

【摘要】：近年来,脑中风的发病率和死亡率逐年攀升,统计表明,我国每年死于脑血管病的患者约130万,脑中风已经成为我国居民的第一位死亡原因。严重危害人们的生命健康。医学研究证明,脑中风的及时检测和发现能极大的增加其治愈机率,减少中风对脑部的损伤。脑中风微波检测就是利用微波技术对脑部中风进行检测的一种检测手段,微波检测相对于常规的脑中风检测手段,具有安全性好,实时性好,成本低等特点,越来越受到研究者的关注。在进行脑部介电结构和微波检测相关原理的研究基础上,本论文首先进行了脑中风微波检测系统总体结构设计,检测系统主要包括微波信号源,天线和微波信号的发射接收和微波信号分析处理等模块,仿真系统利用核磁(MRI)脑部图像建立脑部模型,部署环绕脑部的天线阵列,并利用调制高斯信号产生激励信号。接着进行了中风检测算法的模型设计,该模型由前向计算和逆向重建计算组成。前向计算利用完全匹配层(PML)吸收边界的时域有限差分法(FDTD)对脑部区域进行电磁场模拟和数值计算。针对人脑中风微波散射体不规则,结构复杂,介电性质差异小等特性所带来的挑战,逆向重建我们首先设计了一个基于信号相似度的检测算法,采用二分查找迭代法对脑部血块进行检测,可以初步的判断脑部血块的存在性和大致区域,然后以一种改进型智能粒子群算法,在信号相似算法的基础上实现对脑部的中风的检测,最终可以对脑部中风血块的大小、位置进行判断。并且,在中风检测算法中采用可累积的中风模板数据库,有效地降低了重建算法的耗时。仿真系统利用核磁(MRI)脑部图像建立脑部模型,部署环绕脑部的天线阵列,并利用调制高斯信号产生激励信号。研究结果证明,基于FDTD的信号相似度检测算法,能有效地对中风血块进行检测;在此基础上设计的基于粒子群的脑中风检测算法,能够实现对脑中风血块的位置和大小信息进行有效、准确的检测。此外,我们对粒子群定位检测系统进行优化,增加模板信号库和粒子迭代终止条件,检测效率有了明显的提升,统计数据显示,检测时间减少了85%以上。
【关键词】：脑中风 微波检测 时域有限差分法 信号相似度 粒子群
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R743.3;TN911.7
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-19
• 1.1 研究背景和意义11-12
• 1.2 常见的脑中风检测手法12-16
• 1.3 国内外研究现状16-18
• 1.4 论文章节安排18-19
• 第二章 脑中风微波检测基础19-37
• 2.1 脑部的复杂结构19-23
• 2.2 微波检测基本原理23-25
• 2.3 时域有限差分法理论基础25-31
• 2.4 粒子群优化算法31-35
• 2.5 小结35-37
• 第三章 基于微波的脑中风检测系统设计37-49
• 3.1 微波脑中风检测系统设计37-44
• 3.2 微波脑中风检测系统算法设计44-48
• 3.3 小结48-49
• 第四章 基于信号相似度的脑中风检测算法49-56
• 4.1 基于信号相似度算法评估49
• 4.2 基于信号相似度算法的脑中风检测框架49-51
• 4.3 相关参数的设置51-52
• 4.4 检测结果分析52-55
• 4.5 小结55-56
• 第五章 基于粒子群的脑中风定位检测算法56-64
• 5.1 粒子群微波脑中风检测评估56-57
• 5.2 基于粒子群的脑中风定位检测算法框架57-58
• 5.3 相关参数设置58-59
• 5.4 检测结果分析59-63
• 5.5 小结63-64
• 第六章 总结与展望64-66
• 参考文献66-70
• 附录1 攻读硕士学位期间撰写的论文70-71
• 附录2 攻读硕士学位期间参加的科研项目71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前1条

1 刘晓平;图象开窗算法[J];CT理论与应用研究;1996年04期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

  本文关键词：基于FDTD的微波脑中风检测算法研究，由笔耕文化传播整理发布。

，

本文编号：340508