改進人工魚群算法及其在腦中風檢測系統(tǒng)的應用.pdf

1、腦中風是我國三大重大疾病之一。每年，我國有約130萬人死于腦中風的疾病，嚴重影響人們的生活質(zhì)量和健康狀況。醫(yī)學上認為，腦中風的預防措施非常重要，而及時的檢測到早期腦中風可以對腦中風的預防起到非常大的作用并在后續(xù)治療中降低腦中風帶來的損傷，增加治愈的概率。
　　微波檢測是一種成本低、安全性好、輕量級的檢測方式。因為人腦各個組織的介電特性不同，尤其是中風病灶使人腦的介電分布發(fā)生改變，因此中風病人人腦對微波信號的散射信號也會有差別。根據(jù)

2、接收的微波散射信號進行腦部介電分布圖像的重建，從而可以診斷腦中風。本文基于微波成像技術對腦中風進行檢測，算法流程分為前向計算和逆向重建，前向計算基于時域有限差分算法得到腦部微波散射信號，逆向重建基于群優(yōu)化算法進行腦部介電分布圖像的重建。
　　由于腦部內(nèi)部結構比較復雜，現(xiàn)有的微波成像技術對腦中風檢測的結果精確度不高，計算復雜。針對以上問題，本文對現(xiàn)有人工魚群算法（Artificial Fish School Algorithm，AF

3、SA）加以改進，克服了其他算法容易陷入局部最優(yōu)等缺點，提升了搜索結果精度和算法運行速度。
　　首先，本文分析了微波檢測理論基礎、大腦的物理結構以及各個組織的介電特性，接著對時域有限差分的理論基礎做出了分析。
　　第二，本文對人工魚群基礎算法進行了研究并提出了改進，包括自適應視野的改進、覓食行為的改進、聚群行為的改進、追尾行為的改進以及隨機初始化概念的引入。最后，用測試函數(shù)對改進的人工魚群算法做出了驗證證明了其優(yōu)越性。

4、　　第三，本文設計了基于AFSA的腦中風微波檢測系統(tǒng)，包括微波信號源、微波收發(fā)天線和基于AFSA的腦中風檢測算法。信號源選擇余弦調(diào)制超寬帶微波信號，天線采用超寬帶微波天線對基于改進人工魚群的腦中風檢測進行腦部介電常數(shù)分布圖像的重建，從而判別并定位腦中風。
　　第四，本文利用矢量網(wǎng)絡分析儀和簡化的配置的腦部模型進行了微波檢測實驗平臺的搭建。在對矢量網(wǎng)絡分析器進行校正和S參數(shù)信號進行處理的基礎上，本文進行了仿真系統(tǒng)和實驗系統(tǒng)微波S參數(shù)

5、信號匹配度的研究。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液體的介電常數(shù)做出了估計。
　　最后，本文利用仿真系統(tǒng)對基于人工魚群算法的腦中風檢測系統(tǒng)進行了驗證，結果表明該算法能夠?qū)崿F(xiàn)對中風血塊的定位和血塊直徑的大小的檢測。本文進一步對AFSA算法參數(shù)，如人工魚個數(shù)和基于信號匹配度算法的食物密度函數(shù)適應度數(shù)閥值，對算法迭代次數(shù)和準確度等性能的影響進行了比較；接著，在原有的腦中風檢測系統(tǒng)中加入了模板庫使腦中風檢測