计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
2期
427-431
,共5页
医学图像识别%灰度共生矩阵%鲶鱼效果%粒子群优化%神经网络
醫學圖像識彆%灰度共生矩陣%鯰魚效果%粒子群優化%神經網絡
의학도상식별%회도공생구진%염어효과%입자군우화%신경망락
Medical image recognition%gray level co-occurrence matrix%Catfish effect%Particle swarm optimization (PSO)%Neural network(NN)
研究病变医学图像识别准确率优化问题.病变医学图像受到颅内声压的干扰,在采集过程中很难形成准确的特征属性提取,造成病变区域特征模糊化.传统算法对随机声压干扰下的病变医学图像特征很难形成有效的约束,造成病变区域识别精度下降.为了提高颅内声压干扰下病变医学图像的识别准确率,提出一种灰度共生矩阵和鲶鱼粒子群优化神经网络的病变医学图像识别算法(CFPOS-BP).首先采用灰度共生矩阵提取病变医学图像特征,然后将特征输入到BP神经网络进行学习,通过粒子群优化算法优化BP神经参数,并引入“鲶鱼”效应克服粒子群算法存在的局部最优缺陷,最后采用具体病变医学图像数据库对算法性能进行仿真测试.仿真结果表明,相对于传统病变医学图像识别算法,CFPOS-BP可以获得更优的病变医学图像识别准确率,提高了病变医学图像识别准确率和识别效率.
研究病變醫學圖像識彆準確率優化問題.病變醫學圖像受到顱內聲壓的榦擾,在採集過程中很難形成準確的特徵屬性提取,造成病變區域特徵模糊化.傳統算法對隨機聲壓榦擾下的病變醫學圖像特徵很難形成有效的約束,造成病變區域識彆精度下降.為瞭提高顱內聲壓榦擾下病變醫學圖像的識彆準確率,提齣一種灰度共生矩陣和鯰魚粒子群優化神經網絡的病變醫學圖像識彆算法(CFPOS-BP).首先採用灰度共生矩陣提取病變醫學圖像特徵,然後將特徵輸入到BP神經網絡進行學習,通過粒子群優化算法優化BP神經參數,併引入“鯰魚”效應剋服粒子群算法存在的跼部最優缺陷,最後採用具體病變醫學圖像數據庫對算法性能進行倣真測試.倣真結果錶明,相對于傳統病變醫學圖像識彆算法,CFPOS-BP可以穫得更優的病變醫學圖像識彆準確率,提高瞭病變醫學圖像識彆準確率和識彆效率.
연구병변의학도상식별준학솔우화문제.병변의학도상수도로내성압적간우,재채집과정중흔난형성준학적특정속성제취,조성병변구역특정모호화.전통산법대수궤성압간우하적병변의학도상특정흔난형성유효적약속,조성병변구역식별정도하강.위료제고로내성압간우하병변의학도상적식별준학솔,제출일충회도공생구진화염어입자군우화신경망락적병변의학도상식별산법(CFPOS-BP).수선채용회도공생구진제취병변의학도상특정,연후장특정수입도BP신경망락진행학습,통과입자군우화산법우화BP신경삼수,병인입“염어”효응극복입자군산법존재적국부최우결함,최후채용구체병변의학도상수거고대산법성능진행방진측시.방진결과표명,상대우전통병변의학도상식별산법,CFPOS-BP가이획득경우적병변의학도상식별준학솔,제고료병변의학도상식별준학솔화식별효솔.
