基于多迭代变分模态分解与复合多尺度散布熵的生物组织变性识别方法

根据高强度聚焦超声(HIFU)实验中采集到的超声背散射信号的特点,采用多迭代变分模态分解(MIVMD)与复合多尺度散布熵(CMDE)对生物组织变性进行识别。首先对采集的超声背散射回波信号进行MIVMD重构,计算重构后有用信号的CMDE;并使用Gustafson-Kessel(GK)模糊聚类得到聚类中心,根据欧式贴近度与择近原则对生物组织变性进行识别。通过对仿真信号分析发现,MIVMD重构获得信号的信噪比高于经验模态分解(EMD)与变分模态分解(VMD)重构获得的信号,MIVMD重构获得信号的均方根误差低于EMD与VMD重构获得的信号。将其应用于HIFU治疗中实际获取的超声背散射信号,计算MIVMD重构后信号的复合多尺度散布熵(CMDE),并与近似熵(ApEn)、样本熵(SE)、模糊熵(FE)比较发现,CMDE更容易区分变性组织与未变性组织。与MIVMD-ApEn-GK聚类、VMD-SE-GK聚类和MIVMD-FE-GK聚类相比,本文所提MIVMD-CMDE-GK聚类的效果更好,识别率为91.32%。