38、基于平稳小波Renyi熵和三段式生物地理学优化的复杂环境听力损失检测

基于平稳小波Renyi熵和三段式生物地理学优化的复杂环境听力损失检测

1. 引言

复杂系统关注多个结构的相互作用和行为，将各种系统视为一个统一的有机体，不忽视各部分影响之间潜在的联系。在医学领域，由大脑或耳道损伤引起的耳聋被称为感音神经性听力损失（SNHL），其主要特征是大脑区域萎缩。通常，听力丧失并非单个结构失活的现象，而是生理和心理复杂系统中耦合效应的外在表现。例如，听觉中心的核心是位于大脑颞叶的皮质，这些部分与语言组织、记忆和视觉识别密切相关。轻度患者常出现听力减退，无法听到中等强度的声音，还可能伴有耳鸣和头晕。更糟糕的是，它也是许多其他疾病（如听神经瘤和抑郁症）诊断延迟的重要原因。更重要的是，耳蜗和神经损伤一旦发生，就可能造成永久性损害。因此，早期检测和治疗听力损失有助于降低疾病恶化率。目前，基于图像的听力损失检测大多使用磁共振成像（MRI）或计算机断层扫描（CT），通过探测和重建内耳及听觉神经中枢生成图像，用于临床诊断。

感音神经性听力损失涉及毛细胞和平衡感受器等多个组织的紊乱，由于噪声和不规则性的特点，传统解决方案难以有效发挥作用。由于成像的复杂性和病理的多样性，医生在诊断时往往需要花费大量精力和时间分析生成的图像。因此，一种将计算机智能诊断与人工诊断相结合的方法受到了广泛关注并得到了快速发展。2017年，Li使用分数傅里叶变换（FrFT）进行听力损失识别。Gorriz和Ramírez提出使用小波能量（WE）和有向无环图支持向量机（DAGSVM）。Chen和Chen使用离散小波变换（DWT）和主成分分析（PCA）来识别听力损失。Nayak使用平稳小波熵（SWE）来识别听力损失。Li提出了一种拟合缩放自适应遗传算法（FSAGA）来识别听力损失。Liu等人提出将四级分解的小波熵与遗传算法训练