改進(jìn)人工魚群算法及其在腦中風(fēng)檢測(cè)系統(tǒng)的應(yīng)用.pdf

1、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)

2、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)有人工魚群算法（Artificial Fish School Algorithm，AF

3、SA）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)的人工魚群算法做出了驗(yàn)證證明了其優(yōu)越性。

4、　　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)，天線采用超寬帶微波天線對(duì)基于改進(jìn)人工魚群的腦中風(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)

5、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)