基于变分模态分解与多尺度排列熵的生物组织变性识别

丁亚军; 刘备; 胡伟鹏; 邹孝; 钱盛友

文献导航

搜索文章

搜索思路

钛学术文献服务平台 \
学术期刊 \
基础科学期刊 \
物理学期刊 \
物理学报期刊 \
基于变分模态分解与多尺度排列熵的生物组织变性识别

基于变分模态分解与多尺度排列熵的生物组织变性识别

作者：

丁亚军刘备胡伟鹏邹孝钱盛友

基本信息来源于合作网站，原文需代理用户跳转至来源网站获取

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

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％.

内容分析

关键词云

关键词热度

相关文献总数

(/次)

(/年)

文献信息

篇名	基于变分模态分解与多尺度排列熵的生物组织变性识别
来源期刊	物理学报	学科
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
年，卷（期）	2019,（2）	所属期刊栏目	物理学交叉学科及有关科学技术领域
研究方向		页码范围	253-261
页数	9页	分类号
字数	6235字	语种	中文
DOI	10.7498/aps.68.20181772

五维指标

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱盛友	湖南师范大学物理与电子科学学院	108	738	15.0	19.0
2	丁亚军	湖南师范大学物理与电子科学学院	36	269	8.0	15.0
3	邹孝	湖南师范大学物理与电子科学学院	33	150	7.0	9.0
4	刘备	湖南师范大学物理与电子科学学院	8	12	3.0	3.0
5	胡伟鹏	湖南师范大学物理与电子科学学院	3	4	1.0	2.0