基于RBF神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分類算法研究

周 慧，張尤賽，龔 淼

（江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江 212000）

基于RBF神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分類算法研究

周 慧，張尤賽，龔 淼

（江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江 212000）

本文提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分類算法，利用像素的特征信息作為訓(xùn)練樣本對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使用訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)圖像的分類識(shí)別，對(duì)不同的分類結(jié)果賦予不同rgb值進(jìn)行顯示。實(shí)驗(yàn)結(jié)果表明，RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)簡(jiǎn)單、學(xué)習(xí)權(quán)值數(shù)量少且收斂速度快，不僅能有效的區(qū)分醫(yī)學(xué)圖像中的不同結(jié)構(gòu)，顯示圖像細(xì)節(jié)，同時(shí)其誤差曲線收斂穩(wěn)定、速度快。

醫(yī)學(xué)圖像；特征信息；RBF神經(jīng)網(wǎng)絡(luò)；圖像分類

人工神經(jīng)網(wǎng)絡(luò)[1]由元器件和物理處理單元構(gòu)成。它是用來模擬人腦生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能，試圖將生物神經(jīng)網(wǎng)絡(luò)簡(jiǎn)單化、抽象化、模擬化，從而將其應(yīng)用到其他工程領(lǐng)域中的計(jì)算機(jī)應(yīng)用技術(shù)。RBF神經(jīng)網(wǎng)絡(luò)[2-3]是前饋型神經(jīng)網(wǎng)絡(luò)中的一種新網(wǎng)絡(luò)，具有結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練速度快、函數(shù)逼近能力和分類能力強(qiáng)等特點(diǎn)，由該網(wǎng)絡(luò)構(gòu)成的系統(tǒng)是有界的、穩(wěn)定的。RBF神經(jīng)網(wǎng)絡(luò)的上述特點(diǎn)使得它在各個(gè)領(lǐng)域中都得到了廣泛的應(yīng)用。尤其在解決分類問題中，它的優(yōu)勢(shì)在于用線性的學(xué)習(xí)算法解決非線性算法所解決的工作。不僅可以保持結(jié)果的準(zhǔn)確性，同時(shí)實(shí)現(xiàn)分類工作的高效性。

文中提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分類[4-5]算法，該方法通過獲取像素?cái)?shù)據(jù)特征構(gòu)建神經(jīng)網(wǎng)絡(luò)訓(xùn)練集對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)，完成學(xué)習(xí)訓(xùn)練后保存網(wǎng)絡(luò)參數(shù)，再利用訓(xùn)練好的RBF神經(jīng)網(wǎng)絡(luò)對(duì)整幅圖像進(jìn)行分類操作?！?br>