一种生物组织模拟材料的配方比例确定方法及系统与流程

本发明涉及生物组织模拟材料的制备技术，尤其涉及一种在生物组织模拟材料的制备过程中的配方比例确定方法及系统。

背景技术：

模拟生物组织介电特性(如介电常数、电导率)的模拟材料在生物电磁剂量学、磁共振成像、超声成像以及其它医学领域发展中起到了至关重要的作用。同时，随着科技的迅猛发展，生物组织模拟材料的需求量越来越大，因此，对生物组织模拟材料的制备效率要求越来越高。然而，目前对于制备生物组织模拟材料的方法，其主要是采用重复试验法，即通过制备多种样品后，通过多次实验才能确定生物组织模拟材料的制备配方中各个成分的比例，这样则会存在制备成本过高、实验时间长而导致制备效率低下、易受环境干扰而导致精度低下等缺陷，难以满足越来越大的需求量，并且影响了生物组织模拟材料的进一步发展和应用。

技术实现要素：

为了解决上述的技术问题，本发明的目的是提供一种生物组织模拟材料的配方比例确定方法，使生物组织模拟材料的制备可具有成本低廉、所需时间少、精准度高、方便快捷等优点。

本发明的另一目的是提供一种生物组织模拟材料的配方比例确定系统，使生物组织模拟材料的制备可具有成本低廉、精度高、所需时间少、方便快捷等优点。

本发明所采取的技术方案是：一种生物组织模拟材料的配方比例确定方法，该方法的步骤包括有：

获取配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数；

将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值。

进一步，所述将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值这一步骤之前设有建立BP神经网络这一步骤。

进一步，所述建立BP神经网络这一步骤，其包括：

获取BP神经网络的训练数据，其中，所述训练数据包括训练输入数据和训练输出数据，所述训练输入数据包括配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数，所述训练输出数据包括配方中各个成分的比例最优值，然后利用获得的BP神经网络的初始权值、初始阈值以及训练数据，从而对BP神经网络进行训练，直到满足训练结束要求；

将训练结束后得到的BP神经网络作为所需建立的BP神经网络。

进一步，所述BP神经网络的初始权值和初始阈值是采用鱼群算法来获取的。

进一步，所述将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值这一步骤之后设有判断处理步骤，所述判断处理步骤具体为：

判断输出的配方中各个成分的比例值是否符合预设的评判标准，若是，则结束，反之，则返回重新执行建立BP神经网络这一步骤。

进一步，所述判断处理步骤具体包括：

获取输入因子，其中，所述输入因子包括配方中各个成分所对应的介电特性拟合函数以及输出的配方中各个成分的比例值；

获取输出因子，其中，所述输出因子包括所需制备的生物组织模拟材料与真实的生物组织之间的介电特性误差；

根据获取的输入因子和输出因子，建立从输入因子到输出因子的评判矩阵；

根据最大隶属原则，从评判矩阵中选出数值最大的隶属度，然后判断所述选出的隶属度是否小于预设值，若是，则表示输出的配方中各个成分的比例值符合预设的评判标准，此时结束，反之，则表示输出的配方中各个成分的比例值不符合预设的评判标准，返回重新执行建立BP神经网络这一步骤。

进一步，所述成分所对应的介电特性拟合函数是由成分在不同频率下的介电特性所拟合出的曲线函数。

进一步，所述介电特性包括介电常数和/或电导率。

本发明所采取的另一技术方案是：一种生物组织模拟材料的配方比例确定系统，该系统包括有：

获取单元，用于获取配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数；

处理单元，用于将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值。

进一步，所述处理单元之前设有用于建立BP神经网络的建立单元。

进一步，所述建立单元包括：

训练模块，用于获取BP神经网络的训练数据，其中，所述训练数据包括训练输入数据和训练输出数据，所述训练输入数据包括配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数，所述训练输出数据包括配方中各个成分的比例最优值，然后利用获得的BP神经网络的初始权值、初始阈值以及训练数据，从而对BP神经网络进行训练，直到满足训练结束要求；

BP神经网络获取模块，用于将训练结束后得到的BP神经网络作为所需建立的BP神经网络。

进一步，所述BP神经网络的初始权值和初始阈值是采用鱼群算法来获取的。

进一步，所述处理单元之后设有判断处理单元，所述判断处理单元用于判断输出的配方中各个成分的比例值是否符合预设的评判标准，若是，则结束，反之，则返回重新执行建立单元所对应的数据处理流程。

进一步，所述判断处理单元具体包括：

输入因子获取模块，用于获取输入因子，其中，所述输入因子包括配方中各个成分所对应的介电特性拟合函数以及输出的配方中各个成分的比例值；

输出因子获取模块，用于获取输出因子，其中，所述输出因子包括所需制备的生物组织模拟材料与真实的生物组织之间的介电特性误差；

评判矩阵建立模块，用于根据获取的输入因子和输出因子，建立从输入因子到输出因子的评判矩阵；

判断处理模块，用于根据最大隶属原则，从评判矩阵中选出数值最大的隶属度，然后判断所述选出的隶属度是否小于预设值，若是，则表示输出的配方中各个成分的比例值符合预设的评判标准，此时结束，反之，则表示输出的配方中各个成分的比例值不符合预设的评判标准，返回重新执行建立单元所对应的数据处理流程。

进一步，所述成分所对应的介电特性拟合函数是由成分在不同频率下的介电特性所拟合出的曲线函数。

进一步，所述介电特性包括介电常数和/或电导率。

本发明的有益效果是：通过使用本发明的方法，在制备过程中，仅需要对配方中各个成分所对应的介电特性拟合函数进行采集获取，以及获取已知的所需制备的生物组织模拟材料的介电特性拟合函数后,将它们输入至训练好的BP神经网络中进行数据处理，便能获得各个成分的比例值，这样制作者根据所输出的各个成分的比例值，便可实现生物组织模拟材料的制作。由此可见，相较于传统的配方比例确定方案，本发明的方法无需涉及过多的人为操作，也无需多次实验，令生物组织模拟材料的制备具有成本低廉、所需时间少、精准度高、方便快捷等优点。

本发明的另一有益效果是：通过使用本发明的系统，在制备过程中，仅需要获取单元获取得到配方中各个成分所对应的介电特性拟合函数，以及获取已知的所需制备的生物组织模拟材料的介电特性拟合函数，然后处理单元将获得的介电特性拟合函数输入至训练好的BP神经网络中进行数据处理，从而输出配方中各个成分的比例值，这样制作者根据所输出的各个成分的比例值，便可实现生物组织模拟材料的制作。由此可见，相较于传统的配方比例确定方案，本发明的系统无需涉及过多的人为操作，也无需多次实验，令生物组织模拟材料的制备具有成本低廉、所需时间少、精准度高、方便快捷等优点。

附图说明

图1是本发明一种生物组织模拟材料的配方比例确定方法的步骤流程示意图；

图2是本发明一种生物组织模拟材料的配方比例确定方法的一具体实施例步骤流程示意图；

图3是图2中建立BP神经网络这一步骤的一具体实施例步骤流程示意图；

图4是图2中判断处理步骤的一具体实施例步骤流程示意图；

图5是本发明一种生物组织模拟材料的配方比例确定系统的结构框示意图；

图6是本发明一种生物组织模拟材料的配方比例确定系统的一具体实施例结构框示意图；

图7是图6中所述建立单元的一具体实施例结构框示意图；

图8是图6中所述判断处理单元的一具体实施例结构框示意图。

具体实施方式

如图1所示，一种生物组织模拟材料的配方比例确定方法，该方法的步骤包括有：

获取配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数；

将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值。其中，所述的配方是指所需制备的生物组织模拟材料的制备配方。

进一步作为本方法实施例的优选实施方式，对于所述的成分所对应的介电特性拟合函数，其是由成分在不同频率下的介电特性所拟合出的曲线函数，即所述的成分在不同频率下会对应不同的介电特性，对这些在不同频率下所对应的介电特性进行曲线拟合后所得出的曲线函数，其便为所述成分所对应的介电特性拟合函数。同样，对于所述所需制备的生物组织模拟材料的介电特性拟合函数，其是由所需制备的生物组织模拟材料在不同频率下的介电特性所拟合出的曲线函数。

进一步作为本方法实施例的优选实施方式，所述介电特性包括介电常数和/或电导率，即对于所述成分所对应的介电特性拟合函数，其具体包括有介电常数拟合函数和/或电导率拟合函数。由上述可知，对于所述成分所对应的介电常数拟合函数，其具体为，所述的成分在不同频率下对应不同的介电常数，对这些在不同频率下所对应的介电常数进行曲线拟合后所得出的曲线函数；同样，对于所述的电导率拟合函数，其具体为，所述的成分在不同频率下对应不同的电导率，对这些在不同频率下所对应的电导率进行曲线拟合后所得出的曲线函数。另外，对于所述所需制备的生物组织模拟材料的介电特性拟合函数，其具体包括所需制备的生物组织模拟材料的介电常数拟合函数和电导率拟合函数。

进一步作为本方法实施例的优选实施方式，所述将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值这一步骤之前设有建立BP神经网络这一步骤。而对于所述建立BP神经网络这一步骤，以及所述获取配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数这一步骤，它们之间的先后逻辑顺序可根据实际需求来调整，优选地，所述建立BP神经网络这一步骤设置在所述获取配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数这一步骤之前。

进一步作为本方法实施例的优选实施方式，所述将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值这一步骤之后设有判断处理步骤，所述判断处理步骤具体为：

判断输出的配方中各个成分的比例值是否符合预设的评判标准，若是，则结束，反之，则返回重新执行建立BP神经网络这一步骤。

实施例1、配方中各个成分所对应的介电特性拟合函数的获取

在本实施例中，对于制备生物组织模拟材料的配方，其优选确定所包含的成分有去离子水、明胶、琼脂、氯化钠、铝粉、食用油、洗洁剂，共7种成分。其中，对于所述的7种成分，它们除了参与调节生物组织模拟材料的介电特性外，还分别具有其它功能，例如：1、去离子水，其用于溶解明胶、琼脂和氯化钠；2、明胶，其起到凝胶剂的作用；3、琼脂，其用于提高生物组织模拟材料的熔点；4、氯化钠和铝粉，它们能显著地改变生物组织模拟材料的电导率；5、食用油，其能显著地改变生物组织模拟材料的介电常数；6、洗洁剂，其用于降低去离子水与食用油之间的表面张力，促进配方中各成分之间的融合。另外，在本实施例中，所述介电特性拟合函数包括介电常数拟合函数和电导率拟合函数。

对于上述配方中的7种成分，它们各自所对应的介电常数拟合函数和电导率拟合函数，其获取步骤优选包括有：

第一步、采集各个成分在不同频率下的介电常数和电导率；

对于配方中的各个成分，它们的介电特性，即介电常数和电导率，可通过阻抗分析仪和同轴探头来测量，具体测量方法包括：1、对于去离子水、食用油和洗洁剂，由于这三种成分均为液体，因此可分别将同轴探头浸入到这三种成分中，然后通过阻抗分析仪来获取其在不同频率下的介电常数和电导率；2、对于氯化钠和铝粉，由于其形态为粉末状，因此可直接将同轴探头按压在粉末上面，从而获得其在不同频率下的介电常数和电导率；3、对于明胶和琼脂，由于其为固体，且其表面粗糙，因此需将其碾碎为粉末状后按照上述对于氯化钠和铝粉的测量方法来进行测量，从而获得它们在不同频率下的介电常数和电导率；

优选地，在上述采集过程中，每种成分在不同频率下的介电常数和电导率应重复测量20次以上，并且每次所获取的数据点的数目为800个；

第二步、对获得的各个成分在不同频率下的介电常数和电导率进行拟合，从而获得各个成分所对应的介电常数拟合函数和电导率拟合函数；

其中，优选采用最小二乘法来对各个成分在不同频率下的介电常数和电导率进行拟合，具体拟合步骤如下所示：

步骤1.根据通过阻抗分析仪所获得的数据，画出粗略的图形散点图，根据图形散点图确定拟合多项式的次数n；

步骤2.根据需拟合的数据点(x_i,y_j)，其中i＝0,1,..m，m为采集的数据点的数目，如800，然后计算令

即令第一公式为最小值；

步骤3.根据上述第一公式可知，为a₀,a₁,a₂...a_n的多元函数，根据多元函数求极值的条件，对a₀,a₁,a₂...a_n进行求偏导运算，可得第二公式如下所示：

即有第三公式如下所示：

步骤4.根据上述第三公式可知，第三公式是关于a₀,a₁,a₂...a_n的线性方程组，通过对该方程组进行求解，便可分别得到a₀,a₁,a₂...a_n的值；

步骤5.根据a₀,a₁,a₂...a_n的值，便可获得各成分所对应的介电常数拟合函数和电导率拟合函数，如第四公式所示：

可见，根据上述步骤1-5以及所获得的7种成分在不同频率下的介电常数和电导率，便能分别对去离子水、明胶、琼脂、氯化钠、铝粉、食用油、洗洁剂等七种成分的介电常数和电导率进行最小二乘法拟合，得到相应的拟合函数。

另外，对于所述所需制备的生物组织模拟材料的介电常数拟合函数和电导率拟合函数，它们均为已知参数，直接获取便可。

实施例2、生物组织模拟材料的配方比例确定方法

如图2所示，一种生物组织模拟材料的配方比例确定方法，其具体步骤如下所示。

步骤S1、建立BP神经网络。

如图3所示，所述步骤S1包括：

S101、BP神经网络的设定；

所述BP神经网络包括有输入层、隐含层和输出层，输入信号从输入层节点，依次传到各隐含层节点，最后传到输出层输出；

在本实施例中，设定输入层的节点数为16，分别一一对应去离子水、明胶、琼脂、氯化钠、铝粉、食用油、洗洁剂，这7种成分各自所对应的介电常数拟合函数和电导率拟合函数，以及所需制备的生物组织模拟材料的介电常数拟合函数和电导率拟合函数，即所述BP神经网络的训练输入数据包括配方中各个成分所对应的介电常数拟合函数和电导率拟合函数，以及所需制备的生物组织模拟材料的介电常数拟合函数和电导率拟合函数；设定输出层的节点为1，其值为配方比例最佳值，即所述BP神经网络的训练输出数据为配方中各个成分的比例最优值；设定隐含层的层数为1，其节点数目则优选采用以下公式来确定：

J＝log₂(I)

其中，I为输入层的节点数目，本实施例中，其值为16，J为隐含层的节点数目，因此，J的大小确定为4；

S102、获取BP神经网络的初始权值和初始阈值，然后利用获得的BP神经网络的初始权值、初始阈值以及训练数据，从而对上述设定的BP神经网络进行训练，直到满足训练结束要求为止；

其中，对于所述BP神经网络的初始权值和初始阈值，其优选采用鱼群算法来获取，具体获取步骤包括有：

S1021、确定人工鱼的维度，所述人工鱼的维度包括BP神经网络的权值和阈值，即H＝H(v₁₁,...v_I1,u₁₁,...,u_k1,w_1k,...,w_pk,θ_k)；

S1022、对鱼群算法的参数进行初始化，其中，鱼群算法需初始化的参数包括有种群大小fish_size，人工鱼的感知距离fish_dis tange，人工鱼移动的最大步长fish_step，拥挤度因子δ，最大迭代次数max_gen和目标值G；

S1023、设置初始迭代次数k＝0，并在可行域内随机产生fish_size个人工鱼的个体，形成初始鱼群，且各个分量均为(-1,1)区间内的随机数；

S1024、计算初始鱼群中各人工鱼个体当前位置的食物浓度值Y，并比较大小，保留最大值进入公告板；

S1025、对各人工鱼分别模拟觅食行为、聚群行为和追尾行为，从而获得人工鱼分别模拟觅食行为、聚群行为和追尾行为后所得到的食物浓度值，然后选出数值最大的食物浓度值，并将该选出的食物浓度值所对应的行为作为实际执行；

其中，人工鱼的觅食行为、聚群行为和追尾行为的计算方法如下所示：

①、觅食行为的计算方法

设人工鱼当前的状态为F_i，在它的视野范围内(d_i,j≤fish_dis tange)随机选择一个状态F_j，如果Y_i<Y_j，则向该方向前进一步，执行以下第五公式，所述第五公式如下所示：

f_i,j(k+1)＝f_i,j(k)+rand·step(F_i,j-x_i,j(k))

反之，则重新随机选择状态F_i，判断是否满足前进条件；重复预设尝试次数后，如果仍不满足条件，则执行式以下第六公式，所述第六公式如下所示：

x_i,j(k+1)＝x_i,j(k)+rand·step

②、聚群行为的计算方法

设人工鱼当前的状态为F_i，探索可见域内的伙伴数目为n_f，形成集合Φ_i，若Φ_i≠φ，则在集合内探索中心位置X_center，计算该中心位置的食物浓度值F_center，如果满足则执行聚群行为公式，如以下第七公式所示：

x_i,j(k+1)＝x_i,j(k)+rand·step(x_center,j-x_i,j(k))

③、追尾行为的计算方法

设人工鱼当前的状态为F_i，探索可见域内的伙伴数目为n_f，形成集合Φ_i，若Φ_i≠φ，则集合内探索食物浓度最大的伙伴X_max，计算该处的食物浓度值F_max，如果满足则执行追尾行为公式，如以下第八公式所示：

x_i,j(k+1)＝x_i,j(k)+rand·step(x_max,j-x_i,j(k))

S1026、判断上述选出的食物浓度值是否大于公告板上的食物浓度值，若是，则将上述选出的食物浓度值取代公告板上的食物浓度值，反之，公告板上的食物浓度值则不变；

S1027、判断是否满足中止条件，具体地，判断迭代次数是否达到最大迭代次数或者判断是否已经满足求解的精度误差，若是，则将当前各人工鱼所对应的个体信息作为获得的初始权值和初始阈值，反之，则返回重新执行步骤S1025，直至满足中止条件；

S103、将训练结束后得到的BP神经网络作为所需建立的BP神经网络。

步骤S2、在制备所需的生物组织模拟材料时，对当前准备好的各个成分进行介电常数拟合函数和电导率拟合函数的获取，并且获取已知的所需制备的生物组织模拟材料所对应的介电常数拟合函数和电导率拟合函数，然后将获得的介电常数拟合函数和电导率拟合函数输入至上述建好的BP神经网络中进行数据处理后输出各个成分的比例值。

另外，由于BP神经网络所输出的配方中各成分的比例值，即配方比例，可能会存有不合理性的情况，因此为了使最终得到的各个成分的比例值更加精确，更加贴近实际，在所述步骤S2之后设有判断处理步骤S3，所述步骤S3具体为：

判断输出的配方中各个成分的比例值是否符合预设的评判标准，若是，则结束，所述输出的配方比例为最终确定得到的配方比例，反之，则返回重新执行建立BP神经网络这一步骤中的步骤S102，采用鱼群算法重新计算得出新的初始权值和初始阈值，然后基于新的初始权值和初始阈值重新对BP神经网络进行训练，直到满足训练结束要求为止，接着将获得的介电特性拟合函数输入至新训练好的BP神经网络中进行数据处理；

或者，判断输出的配方中各个成分的比例值是否符合预设的评判标准，若是，则结束，所述输出的配方比例为最终确定得到的配方比例，反之，则返回重新执行建立BP神经网络这一步骤，重新获取BP神经网络的训练数据，采用鱼群算法重新计算得出新的初始权值和初始阈值，然后基于新的训练数据、初始权值和初始阈值，重新对BP神经网络进行训练，直到满足训练结束要求为止，接着将获得的介电特性拟合函数输入至新训练好的BP神经网络中进行数据处理。

作为上述步骤S3的优选实施方式，如图4所示，其具体包括：

S301、获取输入因子，其中，所述输入因子包括配方中各个成分所对应的介电常数拟合函数、电导率拟合函数及输出的配方中各个成分的比例值；具体地，所述输入因子可表示为：

U＝{u₁,u₂,u₃,u₄,u₅,u₆,u₇,u₈,u₉,u₁₀,u₁₁,u₁₂,u₁₃,u₁₄,u₁₅,u₁₆,u₁₇,u₁₈,u₁₉,u₂₀,u₂₁}

其中，{u₁,u₂,u₃}分别为去离子水所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值，{u₄,u₅,u₆}分别为明胶所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值，{u₇,u₈,u₉}分别为琼脂所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值，{u₁₀,u₁₁,u₁₂}分别为氯化钠所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值，{u₁₃,u₁₄,u₁₅}分别为铝粉所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值，{u₁₆,u₁₇,u₁₈}分别为食用油所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值，{u₁₉,u₂₀,u₂₁}分别为洗洁剂所对应的介电常数拟合函数、电导率拟合函数及其所占的比例值；

S302、获取输出因子，其中，所述输出因子包括所需制备的生物组织模拟材料与真实的生物组织之间的介电特性误差；具体地，所述输出因子可表示为：

V＝{v₁,v₂,v₃,v₄,v₅,v₆,v₇,v₈,v₉,v₁₀}

其中，v₁代表误差小于10％，v₂代表代表误差小于20％，v₃代表误差小于30％，依此类推；

S303、根据获取的输入因子和输出因子，建立从输入因子到输出因子的评判矩阵，该评判矩阵如下所示：

S304、判断是否需要对评判矩阵进行归一化处理，若是，则对评判矩阵进行归一化处理后执行步骤S305，反之，则直接执行步骤S305；

S305、根据最大隶属原则，从评判矩阵中选出数值最大的隶属度，然后判断所述选出的隶属度是否小于预设值，在本实施例中，该预设值为20％，若是，则表示输出的配方中各个成分的比例值符合预设的评判标准，即所述BP神经网络所输出的配方中各个成分的比例值是合理的，此时结束，所述输出的配方比例为最终确定得到的配方比例，制作者按照这一配方比例来制备所需的生物组织模拟材料便可，反之，则表示输出的配方中各个成分的比例值不符合预设的评判标准，此时，则返回重新执行步骤S102，采用鱼群算法重新计算得出新的初始权值和初始阈值，然后基于新的初始权值和初始阈值重新对BP神经网络进行训练，直到满足训练结束要求为止，利用新训练好的BP神经网络来重新进行处理，或者，则返回重新执行建立BP神经网络这一步骤S1，重新获取BP神经网络的训练数据，采用鱼群算法重新计算得出新的初始权值和初始阈值，然后基于新的训练数据、初始权值和初始阈值，重新对BP神经网络进行训练，直到满足训练结束要求为止，利用新训练好的BP神经网络来重新进行处理。

上述方法实施例中所描述的技术特征均适用于以下的系统实施例中。

实施例3、生物组织模拟材料的配方比例确定系统

基于上述生物组织模拟材料的配方比例确定方法，建立与其相对应的系统，即一种生物组织模拟材料的确定系统，如图5所示，其包括有：

获取单元401，用于获取配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数；

处理单元402，用于将获得的介电特性拟合函数输入至BP神经网络中进行数据处理，从而输出配方中各个成分的比例值。对于所述的获取单元401和处理单元402，它们可通过处理器来实现其功能。

进一步作为本系统实施例的优选实施方式，所述成分所对应的介电特性拟合函数是由成分在不同频率下的介电特性所拟合出的曲线函数。

进一步作为本系统实施例的优选实施方式，所述介电特性包括介电常数和/或电导率。

进一步作为本系统实施例的优选实施方式，如图6所示，所述处理单元402之前设有用于建立BP神经网络的建立单元400。对于所述建立单元400和获取单元401之间的顺序关系，它们的先后逻辑顺序可根据实际情况来设定，而优选地，所述建立单元400设在获取单元401之前。

进一步作为本系统实施例的优选实施方式，如图7所示，所述建立单元400包括：

训练模块4001，用于获取BP神经网络的训练数据，其中，所述训练数据包括训练输入数据和训练输出数据，所述训练输入数据包括配方中各个成分所对应的介电特性拟合函数以及所需制备的生物组织模拟材料的介电特性拟合函数，所述训练输出数据包括配方中各个成分的比例最优值，然后利用获得的BP神经网络的初始权值、初始阈值以及训练数据，从而对BP神经网络进行训练，直到满足训练结束要求；

BP神经网络获取模块4002，用于将训练结束后得到的BP神经网络作为所需建立的BP神经网络。

进一步作为本系统实施例的优选实施方式，所述BP神经网络的初始权值和初始阈值是采用鱼群算法来获取的。

进一步作为本系统实施例的优选实施方式，如图6所示，所述处理单元402之后设有判断处理单元403，所述判断处理单元403用于判断输出的配方中各个成分的比例值是否符合预设的评判标准，若是，则结束，反之，则返回重新执行建立单元400所对应的数据处理流程。

进一步作为本系统实施例的优选实施方式，如图8所示，所述判断处理单元403具体包括：

输入因子获取模块4031，用于获取输入因子，其中，所述输入因子包括配方中各个成分所对应的介电特性拟合函数以及输出的配方中各个成分的比例值；

输出因子获取模块4032，用于获取输出因子，其中，所述输出因子包括所需制备的生物组织模拟材料与真实的生物组织之间的介电特性误差；

评判矩阵建立模块4033，用于根据获取的输入因子和输出因子，建立从输入因子到输出因子的评判矩阵；

判断处理模块4034，用于根据最大隶属原则，从评判矩阵中选出数值最大的隶属度，然后判断所述选出的隶属度是否小于预设值，若是，则表示输出的配方中各个成分的比例值符合预设的评判标准，此时结束，反之，则表示输出的配方中各个成分的比例值不符合预设的评判标准，返回重新执行建立单元400所对应的数据处理流程。

对于上述判断处理模块4034，其具体用于判断是否需要对评判矩阵进行归一化处理，若是，则对评判矩阵进行归一化处理后执行评判步骤，反之，则直接执行评判步骤，所述评判步骤具体为，根据最大隶属原则，从评判矩阵中选出数值最大的隶属度，然后判断所述选出的隶属度是否小于预设值，若是，则表示输出的配方中各个成分的比例值符合预设的评判标准，此时结束，反之，则表示输出的配方中各个成分的比例值不符合预设的评判标准，返回重新执行建立单元400所对应的数据处理流程，采用鱼群算法重新计算得出新的初始权值和初始阈值，然后基于新的初始权值和初始阈值重新对BP神经网络进行训练，直到满足训练结束要求为止，或者，重新获取BP神经网络的训练数据，采用鱼群算法重新计算得出新的初始权值和初始阈值，然后基于新的训练数据、初始权值和初始阈值，重新对BP神经网络进行训练，直到满足训练结束要求为止。

由上述可得，通过使用上述本发明的方法和系统，在生物组织模拟材料的过程中，制作者仅需要将采集到的配方中各个成分所对应的介电特性拟合函数，以及所需制备的生物组织模拟材料的介电特性拟合函数，输入至训练好的BP神经网络中进行数据处理后，便能得到各个成分的比例值，这样制作者根据所获得的配方比例，便可实现生物组织模拟材料的制作。另外，本发明采用了各个成分所对应的介电常数拟合函数和电导率拟合函数，以及所需制备的生物组织模拟材料的介电常数拟合函数和电导率拟合函数，来作为BP神经网络的训练输入数据，这样可令后续应用时，BP神经网络所输出的比例值更贴近实际情况，应用实用性更高，而且各个成分所对应的介电常数拟合函数和电导率拟合函数的获取步骤也比较简单，操作实施便利性高；还有，采用鱼群算法来获取BP神经网络的初始阈值和权值，能令BP神经网络的训练过程更快速；采用评判矩阵这一方式来对输出的各成分的比例值进行合理性判断，其不仅步骤简单、易于实现，而且判断的准确度更高。

以上是对本发明的较佳实施进行了具体说明，但对本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。