文献类型：期刊文章

作　　者：刘备[1] 胡伟鹏[1] 邹孝[1] 丁亚军[1] 钱盛友[1]

Liu Bei;Hu Wei-Peng;Zou Xiao;Ding Ya-Jun;Qian Sheng-You(School of Physics and Electronics, Hunan Normal University, Changsha 410081, China)

机构地区：[1]湖南师范大学物理与电子科学学院,长沙410081

出　　处：《物理学报》

基　　金：国家自然科学基金(批准号:11474090;11774088;61502164);湖南省自然科学基金(批准号:2016JJ3090)资助的课题~~

年　　份：2019

卷　　号：68

期　　号：2

起止页码：259-267

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、INSPEC、JST、RCCSE、SCIE、SCOPUS、ZGKJHX、核心刊

摘　　要：根据高强度聚焦超声(HIFU)治疗中超声散射回波信号的特点,本文利用变分模态分解(VMD)与多尺度排列熵(MPE)对生物组织变性识别进行了研究.首先对生物组织中的超声散射回波信号进行变分模态分解,根据各阶模态的功率谱信息熵值分离出噪声分量和有用分量;对分离出的有用信号进行重构并提取其多尺度排列熵;然后通过Gustafson-Kessel (GK)模糊聚类确定聚类中心,采用欧氏贴近度与择近原则对生物组织进行变性识别.将所提方法应用于HIFU治疗中超声散射回波信号实验数据,用遗传算法对多尺度排列熵的参数优化后,对293例未变性组织和变性组织的超声散射回波信号数据进行了多尺度排列熵分析,发现变性组织的超声散射回波信号的多尺度排列熵值要高于未变性组织;多尺度排列熵可以较好地识别生物组织是否变性.相对于EMD-MPE-GK模糊聚类以及VMD-小波熵(WE)-GK模糊聚类变性识别方法,本文所提方法中变性与未变性组织特征交叠区域数据点更少,聚类效果和分类性能更好;本实验环境下生物组织变性识别结果表明,该方法的识别率更高,高达93.81%.

关 键 词：高强度聚焦超声 变分模态分解  功率谱信息熵  多尺度排列熵  

分 类 号：TB559[物理学类] R730.5]