基于微波實驗平臺的腦中風分類判斷研究.pdf

1、腦中風是一種發(fā)病快，致死率高的疾病。在我國每年死于腦中風的人約有130萬，腦中風已經(jīng)上升成為我國居民死亡原因的第一位，嚴重的危害了人民的健康。目前，對腦中風的預防重要性大于治療。醫(yī)學研究證明，腦中風的及時檢測和發(fā)現(xiàn)能極大的增加其治愈機率，減少中風對腦部的損傷。由于微波無損檢測的安全性、成本低、易普查等優(yōu)點，越來越受到研究者的關注，并將其應用于腦中風檢測。
　　微波檢測是根據(jù)腦組織介電特性的差異性來進行診斷，目前的微波腦中風檢測大都

2、基于微波成像方法，需要對腦部進行超寬帶微波信號掃描，計算量大且需要超寬帶天線，較為復雜。本文提出將機器學習方法應用于腦中風判別，采集微波腦掃描信號，利用優(yōu)化訓練的支持向量機分類器來預測有無中風。
　　本文首先研究了微波腦中風檢測的理論基礎，包括微波的原理，腦組織的結(jié)構(gòu)及其介電特性，以及支持向量機的基礎知識。其次，在理論研究的基礎上提出了分類算法的框架，微波信號的采集，預處理，選擇訓練集和測試集，對支持向量機分類器進行優(yōu)化即對支持向

3、量機核函數(shù)尋優(yōu)，并提出了三種尋優(yōu)方法分別是粒子群算法尋優(yōu)、遺傳算法尋優(yōu)、網(wǎng)格搜索法尋優(yōu)，以建立最佳分類模型。
　　然后設計腦中風微波檢測實驗平臺。主要包括超寬帶天線模塊的設計，并測試其回波損耗驗證其可用性。根據(jù)腦部組織的介電特性進行腦中風頭部模型的設計，有液態(tài)腦部模型和固態(tài)腦部模型兩種。矢量網(wǎng)絡分析儀微波測量模塊，包括其測試原理、校正方法、連接天線與遠程控制。信號處理模塊，闡述了S參數(shù)、阻抗參數(shù)、導納參數(shù)，本文主要采用S21參數(shù)。

4、由這些模塊組成一個完整的微波檢測腦中風實驗系統(tǒng)，測量腦部模型的中風數(shù)據(jù)。
　　本文以腦中風微波檢測系統(tǒng)為平臺，進行實驗模擬人腦中風。對相關參數(shù)進行設置，如頻段設置、帶寬設置、采樣點設置、功率設置等，并驗證其對實驗結(jié)果的影響。同時驗證支持向量機分類器的準確率，以及比較三種尋優(yōu)方法的尋優(yōu)時間、最優(yōu)參數(shù)和分類準確率。同時驗證血塊的位置、大小、介電特性以及投射或反射對于分類的影響。最終得到較高的準確率，由此證明支持向量機分類器對于腦中風的