2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩128頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、超聲彩色血流成像作為一種非介入性的血流信息可視化方法,具有無傷害和低成本等優(yōu)點(diǎn)。軟組織蠕動產(chǎn)生的高能低頻雜波信號往往使得血流流速估計(jì)出現(xiàn)偏差,進(jìn)而提升心血管疾病的誤診率。研究能精確提取夠被雜波淹沒的血流信號的檢測方法具有重要意義。研究表明,如下兩個原因使得準(zhǔn)確估計(jì)血流流速變得困難:第一,為滿足成像的幀率需求,超聲探頭接收的回波信號只包含8-16個采樣數(shù);第二,由于呼吸和心跳作用下,雜波的頻率表現(xiàn)為寬帶特性。傳統(tǒng)血流信號提取方法的效果由事

2、先選定參數(shù)決定,而不依賴于實(shí)際接收的超聲回波信號。這種非自適應(yīng)方法往往造成血流估計(jì)精度的下降。為突破上述限制,本文以超聲彩色血流檢測與成像為應(yīng)用背景,分別對參數(shù)化和非參數(shù)化的自適應(yīng)血流信號提取方法開展研究。
  為解決傳統(tǒng)高通濾波器不能充分抑制雜波或者錯誤地去除部分血流信號的問題,建立了一種基于松弛算法的參數(shù)化血流信號提取方法。該方法通過將輸入的信號近似為指數(shù)模型,并結(jié)合對偶式的參數(shù)估計(jì)算法,不僅能夠有效地提取血流信號,同時能夠去

3、除白噪聲的影響。仿真結(jié)果表明,通過松弛算法估計(jì)的血流信號頻率在均值和方差上優(yōu)于傳統(tǒng)的高通濾波器。對比其他參數(shù)化方法,松弛算法的反饋式參數(shù)估計(jì)方式同時提高了雜波和低速血流信號的估計(jì)精度。但是,當(dāng)雜波表現(xiàn)為寬頻特性時,參數(shù)化的方法受到數(shù)學(xué)模型的限制,會出現(xiàn)估計(jì)誤差。
  為解決了參數(shù)化方法受到數(shù)學(xué)模型限制只適用于窄帶雜波情況的問題,詳細(xì)分析了基于奇異值分解Hankel矩陣方法的特點(diǎn),從算法效率和精度兩個方面改進(jìn)了該方法。首先,提出一種

4、雙線性Hankel框架,實(shí)現(xiàn)了對輸入超聲回波信號的精確分解,減少了傳統(tǒng)Hankel方法在信號重構(gòu)過程中的計(jì)算量。仿真結(jié)果表明,提出的方法相比Hankel方法在血流信號檢測上具有更小的估計(jì)偏差。其次,提出一種基于向前向后平滑子序列框架的血流信號提取方法。該方法通過子序列截?cái)嗪拖蚯跋蚝笃揭铺幚?,擴(kuò)展了基于特征分解的雜波濾波器的應(yīng)用范圍,其實(shí)現(xiàn)自相關(guān)矩陣滿秩所需的采樣數(shù)為傳統(tǒng) Hankel框架下的3?4。仿真結(jié)果驗(yàn)證了該方法整體上優(yōu)于多項(xiàng)式回

5、歸濾波器。當(dāng)輸入信號的采樣數(shù)有限時,相比Hankel方法,該方法在同數(shù)量級計(jì)算復(fù)雜度下將輸入信號分解為更多特征成分,提升了血流信號的檢測精度。
  為解決了基于Hankel框架和基于特征分解的方法中頻率或特征值閾值難以確定的問題,引入了2種自適應(yīng)分解算法——經(jīng)驗(yàn)?zāi)B(tài)分解和聚合經(jīng)驗(yàn)?zāi)B(tài)分解。為突破這兩種算法遇到的模態(tài)混合和統(tǒng)一權(quán)重的限制,建立了回歸聚合經(jīng)驗(yàn)?zāi)B(tài)分解框架。通過在聚合過程分別引入嶺回歸和套索回歸,實(shí)現(xiàn)了自適應(yīng)的權(quán)重,降低

6、了離群值對整體分解效果的影響。理論分析表明,通過添加適當(dāng)強(qiáng)度的噪聲,回歸聚合經(jīng)驗(yàn)?zāi)B(tài)分解框架能夠解決分解二重振動信號的模態(tài)混合問題。對于基于嶺回歸聚合經(jīng)驗(yàn)?zāi)B(tài)分解和套索回歸聚合經(jīng)驗(yàn)?zāi)B(tài)分解方法的雜波濾波器,其計(jì)算復(fù)雜度主要集中在所包含的經(jīng)驗(yàn)?zāi)B(tài)分解算法上。仿真結(jié)果表明,所提出方法相比基于特征分解的血流信號提取方法,基于經(jīng)驗(yàn)?zāi)B(tài)分解和聚合經(jīng)驗(yàn)?zāi)B(tài)分解血流檢測方法有著更高的精度。
  為實(shí)現(xiàn)理論方法在超聲實(shí)際設(shè)備上應(yīng)用的有效性,本文深

7、入分析了所提出的幾種自適應(yīng)血流信號檢測方法的計(jì)算復(fù)雜度,并進(jìn)行了2組超聲臨床數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明:對于雜波表現(xiàn)為窄帶特征的頸動脈血流估計(jì),松弛算法能夠?qū)崿F(xiàn)血管區(qū)域和組織區(qū)域最大的能量比,而套索回歸聚合經(jīng)驗(yàn)?zāi)B(tài)分解方法實(shí)現(xiàn)了血管區(qū)域的最大能量。對于雜波和血流信號均表現(xiàn)為寬帶特性的腎臟血流估計(jì),松弛算法在分支血流檢測上出現(xiàn)誤差。相比基于回歸濾波器的檢測方法,雙線性Hankel框架和向前向后子序列平滑框架在低計(jì)算復(fù)雜度下具有更高的血流

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論