1 / 30

乳腺肿瘤检测研究进展

乳腺肿瘤检测研究进展. 报告人：李钦伟 指导老师：肖夏 时间： 2013 年 04 月 21 日. 主要内容： 1. 希尔伯特黄时频分析成果 2. 新的思路以及改进的新方法 3. 新方法研究成果 4. 下一步工作的规划. 希尔伯特黄时频分析过程. 其主要任务是描述信号的频谱含量如何随时间进行变化的 而最终目的是建立一种分布，以便能在时间和频率上同时表示信号的能量或者强度。

afya
Download Presentation

乳腺肿瘤检测研究进展

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 乳腺肿瘤检测研究进展 报告人：李钦伟 指导老师：肖夏 时间：2013年04月21日

  2. 主要内容：1.希尔伯特黄时频分析成果2.新的思路以及改进的新方法3.新方法研究成果4.下一步工作的规划主要内容：1.希尔伯特黄时频分析成果2.新的思路以及改进的新方法3.新方法研究成果4.下一步工作的规划

  3. 希尔伯特黄时频分析过程 • 其主要任务是描述信号的频谱含量如何随时间进行变化的 • 而最终目的是建立一种分布，以便能在时间和频率上同时表示信号的能量或者强度。 • 突破在于固有模态函数（Intrinsic Model Function或者IMF)的提出和经验模式分解法（EMD）的引入

  4. 流程图

  5. 经验模态分解（EMD） • 希尔伯特黄变换的核心是经验模态分解，这一过程可以得到信号的固有模态函数（IMF），然后用希尔伯特变换对各个IMF进行变换，得到它们的瞬时频率，瞬时振幅等特性。 • 信号经过经验模态分解（EMD），可以将一些噪音与杂波滤除，得到信号本身固有的信息。

  6. 本次研究所用模型：

  7. 天线排布为：

  8. 信号为1发6收的，含有肿瘤的信号，下图为该信号原始信号图以及分解过后的IMF图信号为1发6收的，含有肿瘤的信号，下图为该信号原始信号图以及分解过后的IMF图

  9. 下图为不含肿瘤的信号IMF图

  10. 下图为两个信号相减过后所得的肿瘤信号的IMF图下图为两个信号相减过后所得的肿瘤信号的IMF图

  11. 对比了以上三幅图之后，没有发现能够提取肿瘤信息有效的信息，因此，我编写了程序画出以上信号的二维时频谱，下图是没有肿瘤信息的信号时频谱，x轴为时间步，y轴为归一化的频率。对比了以上三幅图之后，没有发现能够提取肿瘤信息有效的信息，因此，我编写了程序画出以上信号的二维时频谱，下图是没有肿瘤信息的信号时频谱，x轴为时间步，y轴为归一化的频率。

  12. 下图为含有肿瘤信息的信号时频谱

  13. 下图为两信号相减后的肿瘤信号的时频谱

  14. 同样的，这些结果都不能给出有效的能够从中得出含有肿瘤信息的结果。以下是含有肿瘤信息的信号的瞬时频率图。同样的，这些结果都不能给出有效的能够从中得出含有肿瘤信息的结果。以下是含有肿瘤信息的信号的瞬时频率图。

  15. 下图为不含肿瘤信息的信号的瞬时频率

  16. 两个信号相减过后的信号瞬时频率图

  17. 综合以上所有结果，这些都无法告诉我们肿瘤的位置，和大小，除非有原本的数据库与之匹配，否则单从以上结果是无法判断肿瘤的大小还有位置的。综合以上所有结果，这些都无法告诉我们肿瘤的位置，和大小，除非有原本的数据库与之匹配，否则单从以上结果是无法判断肿瘤的大小还有位置的。 • 之后我还尝试了有两个肿瘤的情况以及三维模型中的信号，还画了信号的三维时频谱，但是结果都十分不理想 • 于是又去查了近期的相关的文献，从一篇关于探地雷达的文献中得到一些新的启发

  18. 新的思路与改进后的方法 • 文中说明EMD有一定的缺陷，实际应用中会出现模态混叠，导致一部分真实信息的丢失，后有人提出了新的噪声辅助数据分析方法，即总体平均经验模态分解（EEMD）方法，该方法具有有效的抗混叠分解能力 • 其核心思想是利用白噪声具有频率均匀分布的统计特性，当信号加入高斯白噪声后，将使得信号在不同尺度上具有连续性，改变了信号极值点的特性，有效地避免了模式混叠的现象。

  19. 其分解过程如下： • 1.在原始信号 中多次加入等长度的正态分布白噪声 ，即： • 2.对 进行EMD分解得到IMF分量 和余项 其中 表示第i次加入噪声后分解所得的第j个IMF分量。 • 3.利用不想管随机序列的统计均值为零的原理，将各分量 进行整体平均以抵消多次加入白噪声对真实IMF的影响，最终EEMD分解结果为： • 式中N指添加白噪声序列的数目。

  20. 天线6发11收的含有肿瘤的原始信号图以及其IMF1-IMF6图天线6发11收的含有肿瘤的原始信号图以及其IMF1-IMF6图

  21. 含有肿瘤的信号分解后的IMF7至IMF13

  22. 无肿瘤信号分解后的IMF7-IMF13

  23. 两信号相减后的原始信号图以及其IMF1-IMF6图

  24. 因此，新的方法是： • 分析了各个信号的IMF图之后，发现含有肿瘤信号分解后的IMF7和IMF8能够体现肿瘤的信息，因此，我尝试使用天线6发11收和天线6发8收的含有肿瘤信息的信号进行分解得到它们的IMF7和IMF8，将两个信号相加成为一个信号后进行肿瘤成像，得到以下成像图

  25. tumor

  26. 为了作为对比，用之前的成像方法：有肿瘤信号减去无肿瘤信号进行成像。同时只选用6发8收和6发11收得到的信号成像所得结果为下图：为了作为对比，用之前的成像方法：有肿瘤信号减去无肿瘤信号进行成像。同时只选用6发8收和6发11收得到的信号成像所得结果为下图：

  27. tumor

  28. 经过两幅图的对比： • 说明EEMD方法对信号进行处理可以直接滤除噪音与杂波，从而提取肿瘤信息，不用再减去无肿瘤的信号。这样使得检测步骤更加简便快捷。我认为这是个好的方法，可以进一步优化，使得该方法在肿瘤信息提取方面具有更好的作用。

  29. 下一步工作计划： • 继续学习EEMD • 继续优化该方法 • 多做一些算例，验证这种方法是否具有普适性 • 学习近期的相关文献

  30. 谢谢！

More Related