肠胃道肿瘤是一种严重威胁人类健康的恶性肿瘤。胶囊内窥镜技术是一种非侵入式检测技术,能够检测包括结肠癌和胃癌在内的多种消化道疾病。由于人类肠胃道复杂的结构,胶囊内窥镜在人体中的定位问题,检测信号的传输很慢以及医生阅片速度较慢,都制约了该技术在胃部肿瘤检测中的运用。传统的胶囊内窥镜中携带的是一个微型摄像头,其工作原理是被病人服食后,靠着人体肠胃道自身的蠕动,自上而下的顺着肠胃道运动,它所携带的微型摄像头拍摄人体胃部内壁的图像,并用无线信号将图片传输给体外的接收装置。然而胶囊内窥镜一次在人体内要工作8个小时,才会随排泄物离开人体,而患有肠胃道疾病的人新陈代谢则相对更慢,还要花费更多的时间胶囊才能排出体外。一次检测将产生上万张图像,通常临床医生需要花费2到3个小时从这些图像中找到病变的部位,这不仅会浪费时间,而且由于医生长时间集中注意力在小局部上会产生视觉疲劳,反而会增加误诊漏诊的几率。传统的胶囊内窥镜容量有限,又受制于工作时间,实时定位等问题的困扰,再加上医学图像所占磁盘空间也非常大,图像的传输和存储也是一大难题。为解决上述问题本文将超宽带雷达技术与胶囊内窥镜技术相结合,首次提出一种新型的胶囊内窥镜模型,该胶囊内窥镜携带的是超宽带雷达。超宽带电磁波不仅具有无线电波的共有的特性,而且拥有有很强的穿透性,可以深入到人体腹腔的内部,这是利用超宽带成像技术检测胃癌肿瘤的先决条件。首先运用基于麦克斯韦方程组的时域有限差分法(FDTD)建立胃部的电磁仿真模型,只要得到电磁场问题的初始条件,利用FDTD方法就可以逐步推进地求得以后各个时刻空间的精确的人体胃部雷达数据,然后分别通过一种时域方法:后向投影(BP)算法和一种频域算法:频域波数域算法(F-K)将所得的雷达数据转化为医学图像。为了提升胃部肿瘤早期检测的正确率和效率,本文的创新点如下1.BP算法必须考虑到人体成像中的病态性和非适定性问题:电磁波在穿越人体时不仅会产生反射、折射和漫射现象,而且由于多径干扰等情况,它的传播速度也会放慢,此外在人体外接收到的电磁信号能量强度也有所减弱。这些因素最终会导致像的偏移,乃至产生虚像。也有可能产生错检漏检的情况。首先计算出电磁波实际的传播路径,对算法中的时间因子进行修正,可以有效的抑制虚像的出现。2.提出了一种基于支持向量机(SVM)的方法来处理人体医学成像过程中的病态性和不适定性问题。支持向量机的基本思想是通过内积函数将低维空间的非线性变换转化为高维空间的线性变换,是一种人工智能的机器学习算法,特别适合二元分类问题。SVM方法中的核函数思想包含正则化方案,它可以解决电磁逆散射问题中的病态性问题。仿真结果表明该方法的定位效果随着采样位置的增加而变好,当在信号中加入高斯白噪声时,该算法也能保持很好的鲁棒性,当信噪比超过50dB时,噪声对成像结果的影响微乎其微。SVM方法对于胃部肿瘤检测是可行和有效的。3.提出了将BP算法与SVM算法相结合的方法。该方法利用改进的BP算法获得图像数据,并用SVM进行分类。BP算法可以有效的对肿瘤目标进行定位,但是其对肿瘤形状的识别效果不佳,SVM方法可以有效解决肿瘤形状识别问题。基于模型数据的仿真结果验证了该方法的可行性和有效性。实验结果说明了不同形状,不同位置,不同数量,不同尺寸大小的肿瘤目标都有很好的重建效果,当数据被噪声污染时,胃内的肿瘤形状仍然可以被适当地预测,这表明了该方法的鲁棒性。对不同采样距离和采样间隔的分类精度分析表明,改变采样总长度和采样间隔对肿瘤形状识别的影响是有限的。通过减少采样间隔或增加采样总长度,也可以提高分类精度。最后还研究了训练集的大小,对分类模型准确率的影响,结果表明训练集样本越大,预测效果越好。4.提出了将F-K算法与最小二乘支持向量机(LS-SVM)算法相结合的方法。LS-SVM拥有比SVM更快速的算法性能。F-K算法是一种典型的基于波动方程的频域算法。该算法的基本原理是将深度偏移映射到时域,利用F-K算法获得图像数据,并用SVM进行分类。F-K算法的优点在于成像的高分辨率和算法耗时较少。基于模型数据的仿真结果验证了该方法的可行性和有效性。F-K算法对不同形状,不同位置,不同数量,不同尺寸大小的肿瘤目标都有很好的重建效果,在多目标成像时,将BP算法与LS-SVM相结合的方法可能出现错检漏检的情况。而将F-K算法与LS-SVM相结合的方法不仅不会漏检肿瘤目标,而且运算速度更快,可以满足实时成像的要求。在文章的最后,对所做的科研工作以及科研成果进行了总结,发现了目前工作的不足之处,并提出解决方案,明确了未来工作的重点。