计算机科学 ›› 2017, Vol. 44 ›› Issue (Z6): 240-243.doi: 10.11896/j.issn.1002-137X.2017.6A.055
唐思源,邢俊凤,杨敏
TANG Si-yuan, XING Jun-feng and YANG Min
摘要: 对于医学图像而言,其分割结果的准确性对医生诊断病情并给出正确的治疗方案至关重要。应用传统的BP神经网络对医学图像进行分割,存在对初始权重值敏感、学习速率固定、收敛速度慢和易陷入局部极小值等问题。因此,提出了一种基于改进的粒子群优化算法的BP 神经网络的医学图像分割方法。首先,应用粒子群优化算法与BP神经网络的映射关系,通过粒子群强大的搜索功能找到最佳适应函数,使对应的BP神经网络的均方误差达到最小值,克服了BP 神经网络产生多个局部最小值的可能;其次,确定粒子的最佳位置后,在BP神经网络学习中获得最合理的权值和偏置值,以提高网络的收敛速度;最后,BP神经网络经反复训练后,获得最佳输出值,并计算阈值,通过阈值来分割图像区域。实验结果表明,利用改进的算法能够得到更清晰的图像分割效果,提高了图像的分割精度,对临床的诊断也具有重要参考意义。
[1] 章毓晋.图像分割[M].北京:科学出版社,2011. [2] 严加勇,庄天戈.医学超声图像分割技术的研究及发展趋势[J].北京生物医学工程,2013,2(1):67-71. [3] 董建明,胡觉亮.基于PSO算法的图像分割方法[J].计算机工程与技术,2006,7(18):77-78. [4] 葛哲学,孙志强.神经网络理论与MATLAB R2007实现[M].北京:电子工业出版社,2007. [5] WU Y T,DAI Y M,JI Z C,et al.Hybrid particle swarm optimization algorithm with cooperation of multiple particle roles[J].Journal of Computer Applications,2014,34(8):2306-2310. [6] 吴逸庭,戴月明,纪志成,等.多粒子角色协同作用的混合粒子群优化算法[J].计算机应用,2014,4(8):2306-2310. [7] YOU J X,CHEN J L,DONG M G.An improved Multistage multi-objective particle swarm Optimization algorithm[J].Journal of Chinese Computer Systems,2015,6(4):792-796. [8] 林晓梅,吕姗姗,等.基于神经网络-粒子群优化算法的医学图像分割新方法[J].长春工业大学学报,2013,9(2):158-161. [9] 吴启迪,汪镭.智能微粒群研究及应用[M].南京:江苏教育出版社,2005. [10] 张煜东,吴乐南,吴含,等.工程优化问题中神经网络与进化算法的比较[J].计算机工程与应用,2015,5(3):1-6. [11] 马义德,齐春亮.基于遗传算法的脉冲耦合神经网络自动系统的研究[J].系统仿真学报,2011,8(3):722-725. [12] 田娅,饶妮妮,蒲立新.国内医学图像处理技术的最新动态[J].电子科技大学学报,2012,1(5):485-489. [13] 朱学芳.计算机图像处理导论[M].北京:科学技术文献出版社,2013:201-211. [14] 阮秋琦.数字图像处理[M].北京:电子工业出版社,2010:169-190. [15] 王亮申,欧宗瑛.图像纹理分析的灰度-基元共生矩阵法[J].计算机工程,2014,23(30):19-21. |
No related articles found! |
|