[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

说明书

本发明公开了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，包括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，该方法利用粒子群优化算法计算出某一疾病归类中心，通过Pearson相似度计算函数，判断其疾病类型。

技术领域

本发明属于光声成像的技术领域，具体涉及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。

背景技术

近年来，医疗技术迅速发展，人们出现腹痛、腹胀、便血等腹部异常症状的时后都会选择检查一下自己的身体，确保无碍。往往都是判断患者是不是有肠道溃疡之类的疾病，并且及时的接受治疗，从而提高疾病的治愈率。研究显示，有很多疾病都会引起肠道溃疡，虽然有很多的方法可以确诊，但是其中的克罗恩病，结肠道淋巴瘤，肠道结核病各方面的管壁表现具有相似之处，对这三种疾病的鉴别出现了一定的难度。

光声成像(Photoacoustic Imaging)技术是一种非入侵式和非电离式的新型生物医学成像方法，它利用生物组织内部光学的吸收差异，通过超声作媒介，对生物进行无损生物光子成像，它将光学成像和超声成像的优点结合了起来，它将超声探测器探测光声波与光学成像中的光子检测进行了替换，提供高了成像的对比度和高分辨率，在医学方面具有较大的运用前景，可以为医学研究生物组织的结构形态、疾病特征、代谢效率等提供重要手段措施。

粒子群优化算法(Particle Swarm OptimizationAlgorithm)算法起源于对飞行的鸟类群体觅食行为的探索研究。其原理是，在鸟群捕食的过程中，当有群体中的某只鸟发现不远处有食物时，它开始飞向食物的存放地点，这个群体中的其他鸟类看到这种行为，开始向他学习，向食物的存放地移动，直到整个鸟群的鸟飞到食物的存放地，从而找到了食物。这是一种自然状态下的信息共享机制，在认知和搜寻过程中，群体中的每个个体都会记住自己的飞行经验；同时，它也会向群体中其它优秀个体学习，当它发现群体中其它的某个个体飞行更好，会向群体中飞行更好的个体学习并对自身的飞行做出适当的调整，让自己朝着更准确的方向飞行。通过对鸟类的这种行为的研究、模仿，不断的更新群体的个体最优和全局最优，最后得出我们需要的最优结果。

本文主要利用超声内镜技术结合光声成像技术对导致肠道溃疡的疾病的各方面表现进行监测，若确定其是克罗恩病，结肠道淋巴瘤，肠道结核病中的一种，进一步通过粒子群优化算法计算归类中心，利用相似度函数对患者疾病症状进行相似度计算分析，鉴别出导致肠道溃疡的疾病是罗恩病、肠道淋巴瘤、肠道结核中的哪一种。

发明内容

本发明的目的是，提供给一种导致肠道溃疡的疾病(克罗恩病，结肠道淋巴瘤，肠道结核病)的鉴别方法。通过光声成像技术对肠道管壁表现进行检查分析，检测出肠道管壁的管壁层次、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。通过K均值聚类算法对检测数据进行分析，较为合理的得出导致肠道溃疡的疾病类型。

为解决上述发明问题，本发明所采用的技术方案包括：克罗恩病、结肠道淋巴瘤、肠道结核病管壁表现检测分析；粒子群优化算法计算疾病的归类中心；利用相识度函数对患者疾病的归类。

(1)克罗恩病，结肠道淋巴瘤，肠道结核病管壁表现检测分析

据调查研究，导致肠道溃疡的疾病中克罗恩病，结肠道淋巴瘤，肠道结核病有以下症状：

克罗恩病患者在光声成像技术下成像，分析出的的肠道管壁表现特征：肠道粘膜呈现出广泛性增厚，与正常人的肠道粘膜相比较，其粘膜下层回声较低其管壁层次虽然可以分辨出，但是其肠道的各个层次的界限不明显，调查分析显示，在光声成像下克罗恩病患者的的管壁层次呈现为SM增厚，相比于结直肠淋巴瘤、肠道结核较高。