基于变分模态分解与多尺度排列熵的生物组织变性识别-物理学报.PDFVIP

物 理 学 报   Acta  Phys.  Sin.   Vol. 68, No. 2 (2019)    028702     基于变分模态分解与多尺度排列熵的 生物组织变性识别* 刘备    胡伟鹏    邹孝    丁亚军    钱盛友† (湖南师范大学物理与电子科学学院, 长沙　410081) (2018 年9 月26 日收到; 2018 年10 月26 日收到修改稿) 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 PACS ：87.85.–d, 05.45.–a 　DOI: 10.7498/aps.68 1   引　言 的能量特征来检测组织损伤变性, 实验结果表明, 信号能量识别准确率达到82%. 在文献[11]中, 生 高强度聚焦超声 (high intensity focused 物组织的超声衰减系数特征被用于估计组织损伤 ultrasound, HIFU)治疗是一种新的无创肿瘤治疗 [6] 区域的温度. 盛磊等 利用频率偏移等特征参数检 技术. 它通过聚焦方式将声能聚集于治疗靶区, 使 测HIFU导致的组织凝固性坏死. 声速可以非侵入 靶区产生高温, 从而使病变组织细胞内的蛋白质发 式地估计组织温度, 但是声速受非线性以及热膨胀 生固化、变性和坏死, 同时又不损伤靶区之外的正 的影响, 导致通过声速变化测量体内温度的准确性 常组织. 通过监测生物组织的变性情况, 能掌握 [7−12] [8] 大大降低 . 明文等 采用超声散射回波信号的 HIFU的治疗效果, 对确保HIFU治疗的安全高效 小波熵 (wavelet entropy, WE)特征