基于FDTD的微波脑中风检测算法研究

基于FDTD的微波脑中风检测算法研究目录目录1234研究背景与现状微波检测基础与系统设计基于信号相似度的脑中风检测算法基于粒子群的脑中风定位检测算法5总结与展望研究背景与现状研究背景|现状分析我国每21秒就有一人死于脑卒中一直缺乏有效的治疗措施，目前认为预防是最好的措施中风治疗黄金3小时，常规检测手段无法满足研究背景|现状分析1）拥有8种不同的介电常数的的脑部组织，复杂的物理结构，形成了一个复杂的分散介质模型；2）与正常脑组织相比，脑部的介电常数对比度不够高，这使得从血液中的散射信号太微弱常规微波检测为什么不能用于脑中风检测研究背景|前人研究国内研究2007年，王湘嵛做了一个基于介电特性脑血肿检测的初步研究，采用脑电容测量方法，对三层模型的中风进行了初步的检测。其研究在脑部介质的介电特性方面有很大的贡献，也是我们论文的基础。国外研究2012年，Abbosh设计了一个环形贴片天线阵列，使用阵列天线采集脑部的散射信号S11的试验系统，利用共焦算法实现脑部中风的检测，但是他们并没有采用实际的脑部介电常数模型，并不是准确完整的脑部模型。2011年，澳大利亚的昆士兰大学利用一个仿真的头部模型和时域有限差分法去估计脑部的散射信号，然后采用共焦算法，去实现脑部图像的重构，其采用时域有限差分法（FDTD）去估计脑部散射信号，是我们一个很好的借鉴国外研究微波检测基础与系统设计微波检测基础——FDTDFDTD原理：利用蛙跳式空间领域内的电场和磁场进行交替计算，通过时间领域上更新来模仿电磁场的变化，达到数值计算的目的。FDTD作用：能够直接模拟场的分布，精度比较高，它在解决复杂外形、非均匀介质、时域、宽带散射和辐射系统的电磁问题时具有独特的优越性微波检测系统设计微波信号源头部模型微波信号采集电路数据处理分析微波检测系统设计——天线阵列微波测量设备放置在脑部周围，脑部周围均匀环绕着N个超宽带天线天线设计，我们采用一个频段在1GHz到4GHz的超宽带波纹锥形槽天线保证微波信号对脑部有足够散射深度天线属性介质基板为FR4，相对介电常数为4.4，介电损耗为0.002。天线结构的几何参数为：40*40*0.6mm，采用的馈电方式是微带馈电，馈线长为20.39mm，宽为0.51mm微波检测系统设计——脑部模型微波检测系统设计——中风模型微波检测系统设计——激励源信号余弦调制高斯信号基于信号相似度的脑中风检测算法信号相似度算法流程信号相似度算法—相似度定义测试目标信号

和正常信号相似度为：定义阀值信号相似度比较模块信号相似度算法—二分查找目标异物判断模块目标异物定位模块

二分查找信号相似度算法—数据模型

目标血块（1300，36）

模板血块1（1230，36）

模板血块2（1350，36）

信号相似度算法—数据目标信号和正常信号的相似度比较信号相似度算法—数据目标信号和两个模板信号的相似度基于粒子群算法的脑中风定位检测算法粒子群算法脑中风检测基于信号相似度的脑中风检测系统实现了脑部异物的存在性和大致的方位进行了检测，但是无法对异物进行准确的定位，和异物大小精确判断PSO的优势在于简单容易实现，采用实数求解并且需要调整的参数较少，且粒子群可以在信号相似度判断的方位内搜索，大大减小了搜索范围。粒子群算法脑中风检测框架检测主要流程在数值域，由FDTDMW仿真模型产生健康影像的散射信号计算出的被测对象的散射信号和正常的影像之间的适应度值粒子群迭代搜索粒子群算法—程序结果粒子群算法—数据PSO检测结果idfairD1116.97627.96188.63912117.39768.06239.023116.85618.28869.26194113.7248.04258.85575117.58637.90129.3004血块的位置为fai=115,r=8,D=9PSO检测结果idfairD1302.56237.85478.631952300.31938.46589.22753300.61578.23929.40974301.64248.19059.04895298.65028.09939.4868血块的位置为fai=300,r=8,D=9粒子群算法—数据展示粒子群算法—结果分析改进型粒子群算法相和信号相似度算法均能对脑部异物进行检测；信号相似度算法只能实现对脑部异物的方位的判断，不能进行异物位置的准确判断；粒子群在信号相似度算法的基础上，可以大大减小搜索区域；粒子群的精确检测也大大增加了算法的时间复杂度。运行时间PSO运行时间表idresulttimecost(s)1(152.1602,10.2742,7.0579)53546.9976(14.87h)2(150.3642,10.0742,7.2129)52372.1041(14.55h)3(147.7723,9.9691,7.4933)54742.5423(15.21h)粒子群算法—结果分析优化方向给系统添加一个模块：信号库优化粒子群迭代终止条件粒子群算法—结果分析粒子群检测系统优化—添加信号库不同粒子个数的PSO寻优时间粒子群检测系统优化—添加信号库ID更新前更新后无模板53546.997623795.1485842372.104117417.204624742.542315027.1695212917.8434310585.3219110000模板信号6427.8775515117.3875244173.3715984890.2216954257.5719198126.34705230000模板信号2933.0289181589.630012489.6272071685.126081997.8436269981.222631435.754581927.821523粒子群检测系统优化—更新迭代条件更新迭代条件前后时间对比分析数据得出结论由图可以看出，经过一定程度检测我们的时间消耗远远降低。在第一次的检测时间在14.87个小时，第m+4次的已经达到了15分钟，时间消耗远远降低，统计分析可知，采用信号库的方式，在时间消耗上我们的性能提升了85%以上。粒子群算法—结果分析总结与展望本文基于微波应用中被测体的基本结构已知这一通常情形，将被检测异