10.11857/j.issn.1674-5124.2022030133
基于EMD与神经网络的超声栓子信号分类研究
栓子的准确检测能为早期脑血管疾病诊断提供可靠的依据,不同大小的微栓子对脑血管造成的损伤不同.针对微栓子大小问题,使用三种直径大小分别为 0.08、0.15、0.25 mm的尼龙颗粒模拟血液中的栓子,并提出经验模态分解(empirical mode decomposition,EMD)结合BP神经网络模式识别的超声栓子信号分类方法.首先对不同直径大小的微栓子回波信号进行EMD处理,得到各阶的固有模函数(intrinsic mode function,IMF),再分析IMF分量和栓子回波信号的相关性,将相关性较高的前五阶IMF分量在时域和频域的特征参数共 20个输入BP神经网络进行识别分类,其中神经网络输入节点对应特征值,输出节点对应不同直径大小的微栓子.实验结果表明该方法能准确对三种不同直径大小微栓子进行识别与分类,且识别率达到98.3%.
栓子检测、相关性分析、EMD、神经网络
49
TB9(计量学)
国家自然科学基金11464030
2023-09-15（万方平台首次上网日期，不代表论文的发表时间）
共6页
15-20
