[发明专利]基于粒子群优化算法对引发肠道溃疡疾病进行鉴别的方法

权利要求书

1.基于粒子群优化算法对引发肠道溃疡疾病进行鉴别的方法，其特征是其利用光声成像技术对肠道管壁进行成像观察，得出肠道管壁表现，利用粒子群优化算法对罗恩病、肠道淋巴瘤、肠道结核疾病进行合理分类，得出最佳的检测结果。

2.如权利要求1所述的基于粒子群优化算法对引发肠道溃疡疾病进行鉴别的方法，其特征在于，其判断疾病类型的具体过程：

步骤1：利用光声成像技术，对肠道管壁进行成像观察，得出肠道管壁表现，管壁层次、M/SM界限、SM/MP界限、主病变回声、突破管壁情况、管壁特殊声像以及肠壁外声像的情况，将其数据化；

步骤2：利用粒子群优化算法，分别结合以往罗恩病、肠道淋巴瘤、肠道结核疾病的患者的管壁表现情况统计数据，对粒子群优化算法进行参数设计，利用粒子群优化算法的速度和位置迭代公式，通过多次迭代运算，寻找出最佳的聚类中心，分别对罗恩病、肠道淋巴瘤、肠道结核三种疾病的聚类中心进行迭代寻找；

步骤3：将光声成像技术检测出的对患者肠道管壁表现n组数据，通过Pearson相似度计算函数：

将发病患者光声成像技术采集的n组数据与粒子群优化算法计算出的三种疾病的归类中心进行对比，并精确的计算其间相似度，将计算出的相似度进行大小比较，其中相似度最高的即为该患者所患的疾病与某一种疾病更加相似，即该患者所患的疾病。

3.如权利要求1所述的基于粒子群优化算法对引发肠道溃疡疾病进行鉴别的方法，其特征在于，粒子群优化算法计算归类中心的过程：

根据以往罗恩病、肠道淋巴瘤、肠道结核疾病三种患者的管壁表现的统计数据，对粒子群优化算法的迭代适应度函数进行设计，利用速度迭代公式v_in(t+1)＝v_in(t)+c₁r₁(p_in-x_in(t))+c₂r₂(p_gn-x_gn(t))和位置迭代公式x_in(t+1)＝x_in(t)+v_in(t+1)对归类中心进行迭代计算。式中为粒子的速度迭代公式，中r₁和r₂是0-1之间均匀分布的随机数，用来增加种群多样性；c₁和c₂是学习因子，值均为2，用来调控算法的局部收敛性，α、β为该病对应特征的比例，n＝1，2，3...8。

4.如权利要求1所述的基于粒子群优化算法对引发肠道溃疡疾病进行鉴别的方法，其特征在于，利用Pearson相似计算函数判断疾病类型的过程：

首先，通过将光声成像技术检测，采集n组患者的肠道管壁表现参数，将其数据化之后，将这n组数据与粒子群优化算法计算出的三种疾病的归类中心代入Pearson相似度计算函数中：

对通过光声成像技术采集到的n组数据与三种疾病的归类中心进行比较，计算出他们之间的相似度，分别计算出这n组数据与三个归类中心之间的相似度，将计算出的三个相似度进行比较，相似度最高的即与患者的管壁表现更为相似的，这个相似度值做对应的疾病类型即为该患者所患疾病的类型。