版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、目的:本文首先介紹了研究背景及意義,然后對(duì)磁共振(MR)圖像診斷的國內(nèi)外發(fā)展現(xiàn)狀做了簡單的介紹。本文所提出的智能病腦檢測系統(tǒng)(SPBD)即是一種計(jì)算機(jī)智能輔助診斷病理核磁共振圖像系統(tǒng)。人工智能算法的研究將有助于提高檢測分類的效率和準(zhǔn)確率,在病腦檢測領(lǐng)域具有十分重要的意義。本文采用神經(jīng)網(wǎng)絡(luò)與MR圖像相結(jié)合的思路。由于神經(jīng)網(wǎng)絡(luò)在分類訓(xùn)練中,數(shù)據(jù)容易陷入局部最優(yōu)。所以本文采用了一種較新的,非常有效的捕食者-食餌粒子群算法(PP-PSO)來優(yōu)化
2、神經(jīng)網(wǎng)絡(luò),從而避免了數(shù)據(jù)易陷入局部最優(yōu)問題,增強(qiáng)了SPBD系統(tǒng)的對(duì)新數(shù)據(jù)處理、分類的能力,實(shí)現(xiàn)了SPBD系統(tǒng)對(duì)病腦檢測的高效,高準(zhǔn)確率。
方法:本文采用DA-160數(shù)據(jù)樣本,采用Hu不變矩(HMI)來提取腦圖像特征,Hu不變矩具有平移、旋轉(zhuǎn)、比例不變性,在目標(biāo)識(shí)別、圖像匹配、形狀分析等領(lǐng)域都有廣泛的應(yīng)用。本文采用單隱層神經(jīng)網(wǎng)絡(luò)(SLN)作為分類器。人工神經(jīng)網(wǎng)絡(luò)(ANN)通過模仿人腦形象思維構(gòu)建神經(jīng)網(wǎng)絡(luò),從而實(shí)現(xiàn)分布式的信息處理
3、,具有良好的自適應(yīng)、自組織和很強(qiáng)的自學(xué)能力,是數(shù)據(jù)分類圖像識(shí)別的有力工具。用HMI提取得到的一系列由七個(gè)特征矩組成的矩陣信息輸入SLN,經(jīng)過SLN訓(xùn)練,輸出的結(jié)果為非0即1的信息(0表示健康大腦圖像,1表示病腦圖像)。為了使實(shí)驗(yàn)不易陷入局部最優(yōu)解,本文采用了一種基于粒子群算法(PSO)改進(jìn)的優(yōu)化算法——捕食者-食餌粒子群優(yōu)化算法(PP-PSO)來訓(xùn)練SLN的權(quán)值。我們將采用五折分層交叉驗(yàn)證(FFSCV)來對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練,從而保證了對(duì)有限
4、數(shù)據(jù)集進(jìn)行盡可能多的學(xué)習(xí)。最后使用分類準(zhǔn)確率作為實(shí)驗(yàn)優(yōu)良的評(píng)判標(biāo)準(zhǔn)。
結(jié)果:將實(shí)驗(yàn)結(jié)果與其他六種較先進(jìn)的SPBD算法進(jìn)行比較,通過訓(xùn)練輸出結(jié)果對(duì)比,發(fā)現(xiàn)本文的方法,基于捕食者—食餌粒子群算法和單隱層神經(jīng)網(wǎng)絡(luò)算法(HMI+SLN+PP-PSO)分類效果最好,對(duì)160個(gè)數(shù)據(jù)集進(jìn)行測試,靈敏度、特征度和準(zhǔn)確率分別達(dá)到了:96.00±5.16%,98.57±0.75%和98.25±0.65%。最后比較了PSO和PP-PSO分別對(duì)應(yīng)的準(zhǔn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子群-神經(jīng)網(wǎng)絡(luò)算法的股票預(yù)測系統(tǒng).pdf
- 食餌或捕食者具有疾病的食餌—捕食系統(tǒng)的分析.pdf
- 基于改進(jìn)粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)微波加熱系統(tǒng)辨識(shí)和控制.pdf
- 基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的車輛動(dòng)態(tài)稱重系統(tǒng).pdf
- 基于粒子群算法的神經(jīng)網(wǎng)絡(luò)及其集成的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和粒子群算法的沖壓成形多目標(biāo)優(yōu)化.pdf
- 基于協(xié)同粒子群算法的卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)粒子群優(yōu)化算法的地區(qū)負(fù)荷預(yù)測研究.pdf
- 基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)及其集成算法研究.pdf
- 含兩種競爭食餌和兩種捕食者的捕食者-食餌模型的定性分析.pdf
- 基于改進(jìn)的粒子群優(yōu)化算法的小波神經(jīng)網(wǎng)絡(luò).pdf
- 基于改進(jìn)粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和粒子群算法的流媒體視頻傳輸控制.pdf
- 免疫粒子群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的研究.pdf
- 粒子群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)在教學(xué)中的應(yīng)用.pdf
- 關(guān)于幾類捕食者-食餌模型的研究.pdf
- 一類捕食者染病的捕食者——食餌系統(tǒng)的動(dòng)力學(xué)行為.pdf
- 基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)的渲染時(shí)間預(yù)估算法.pdf
- 改進(jìn)的粒子群算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的研究.pdf
評(píng)論
0/150
提交評(píng)論