[发明专利]基于集成经验模态分解的早期乳腺癌特征提取方法

说明书

本发明涉及一种基于集成经验模态分解的早期乳腺癌特征提取方法，对天线阵列对乳房进行探测得到的回波信号进行处理，包括下列步骤：利用最小最大归一化算法，对各个天线的回波信号进行归一化处理；使用集成经验模态分解方法对经过归一化处理的回波信号进行处理，每1组回波信号通过集成经验模态分解都被分解为若干组信号分量；将0.03作为有效分量选取的阈值，判定皮尔森相关系数大于此阈值的IMF分量为有效信号分量，其余信号分量被舍弃；根据统计学特性，提取中针对有效信号分量进行基于均值、方差、标准差、最大值、能量熵和信息熵这6种统计学特性的特征提取，从每1组单通道回波信号中得到特异性特征。

技术领域

本发明属于信号处理和超宽带微波检测领域，涉及一种新型超宽带微波早期乳腺癌的特异性特征提取方法。

背景技术

乳腺癌的发病率在世界各国居高不下且远高于其他类型的癌症，已经成为威胁女性健康的主要疾病之一。乳腺肿瘤组织大多可分为良性和恶性两类。有的良性组织甚至可以长期存在于身体中，不产生任何影响。但有的会在一段时间后发生改变，成为了致命的恶性肿瘤。多项研究和临床经验表明，在乳腺癌的早期阶段被检测出的患者,存活时间及存活几率显著增加。甚至有很大可能恢复至健康水平。因此早期乳腺肿瘤的有效检测对于患者有着非常重要的意义。

目前，核磁共振成像(MRI)是广泛应用的乳腺癌检测方法的一种。此方法主要通过强磁场实现检测，虽然它对人体没有辐射，但是检查费用高昂且耗时较长。此外常用的检测方法还有乳房钼靶X射线照相技术和超声检测技术。前者使用放射性元素的辐射较大，而且会给患者带来乳房压迫的痛苦。而后者虽然检测速度快、成本低，但存在精度较低特异性较差的缺点。由此可见乳腺癌的早期诊断对于目前现有常用检测方法仍是一项巨大挑战，因此急需一种能有效检测乳腺癌的新的检测技术，促使人们研究优势更加明显的新检测方法。

多年来的广泛研究使得利用超宽带微波实现乳腺癌检测和筛查逐渐成为了可能。它主要基于微波频率范围内良性乳腺组织和恶性乳腺组织的介电特性具有明显差异这一原理。此外通过微波实现乳腺肿瘤的检测不会使患者产生乳房压迫的疼痛感。其辐射水平甚至可以低于普通手机，可见通过超宽带微波实现乳腺肿瘤的无损检测具有明显的优势和巨大的潜力。通常对于患者是否罹患乳腺癌的检测是通过提取肿瘤的特异性特征或是检测到肿瘤信号存在得以实现。

因此本发明针对利用乳房内部正常组织和肿瘤组织的特征具有特异性差异，根据准确判断乳房内肿瘤是否存在的这一重要要求，对相关内容进行了研究，分析算法的实现方案，从而发明了一种基于集成经验模态分解的早期乳腺癌的特征准确提取方法。

发明内容

本发明提供了一种可以较为准确的提取早期乳腺肿瘤信号特征的方法。在信号特征提取的分解方法选择上，采用集成经验模态分解方法。此方法在设置适当的分解参数后可以自适应的将单通道信号分解为多通道信号。从多通道信号中提取相应的有效信号分量进一步获得更多的信号统计特征，解决了单通道信号特征提取数目少提取困难的问题。从而利用提取到的大量数据构建特征数据集以开发不同的应用手段和进一步的后续工作。本发明的技术方案如下：

一种基于集成经验模态分解的早期乳腺癌特征提取方法，对天线阵列对乳房进行探测得到的回波信号进行处理，包括下列步骤：

(1)利用最小最大归一化算法，对各个天线的回波信号进行归一化处理；

(2)使用集成经验模态分解方法(EEMD)对经过归一化处理的回波信号进行处理，每1组回波信号通过集成经验模态分解都被分解为若干组信号分量；

(3)将0.03作为有效分量选取的阈值，判定皮尔森相关系数大于此阈值的IMF分量为有效信号分量，其余信号分量被舍弃；

(4)根据统计学特性，提取中针对有效信号分量进行基于均值、方差、标准差、最大值、能量熵和信息熵这6种统计学特性的特征提取，从每1组单通道回波信号中得到特异性特征。

附图说明

图1乳房模型图