基于BEMD与随机森林算法的HIFU治疗无损测温方法

摘要：

获取高强度聚焦超声(High Intensity Focused Ultrasound,HIFU)辐照前后的新鲜离体猪肉组织减影图像,通过二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)方法将其分解为两个固有模态函数(IMF)和一个余量.将各分量图像的灰度均值作为反应温度变化的解释变量构建HIFU治疗无损测温的随机森林(RF)模型,对图像温度进行预测.对比分析同样以灰度均值作为解释变量的预测B超图像温度的线性回归方程模型、支持向量机(SVM)模型、BEMD-SVM模型以及RF模型的预测结果,发现BEMD-RF模型测温有着较高的精度,在40～75℃的温度范围内,测温误差在3℃以内,满足HIFU治疗过程中对温度监测的需求,实用性更强.

关键词：高强度聚焦超声、二维经验模态分解、无损测温、随机森林、支持向量机

所属期刊栏目：32

分类号：O426.9;TP274(声学)

资助基金：国家自然科学基金资助项目11474090,11774088;湖南省自然科学基金资助项目2016JJ3090

在线出版日期：2019-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：487-492