基于脉冲耦合神经网络的肝癌早期特征识别.pdfVIP

110 福 建 电 脑 2008年第7期 基于脉冲耦合神经网络的肝癌早期特征识别 张彦昆，安清宇，陈文健 (郑州大学电气工程学院 河南 郑州 450001) 【摘 要】：在肝癌的早期诊断方面，cT仍是目前临床工作中最重要的方法，针对病变部位灰度的不同，本文采用脉冲耦 合神经网络(PCNN)对获取的肝脏CT图像进行分析，从而获知肝脏的病变程度。实验证明，这种方法能够对肝脏病变进行准 确的分析从而为肝脏疾病的治疗提供理论上的指导 【关键词】：PCNN CT肝癌 识别 l、引言 据的原理 肝癌是常见的恶性肿瘤之一．若能在早期即早肝癌或小肝 在应用PCNN建立肝癌特征识别模型时．获取的CT图像 癌时作出诊断并及时治疗．预后将大大改善。cT检查是诊断肝 的灰度矩阵 xⅣ可以理解为MxN个PCNN神经元模型。其每 癌的重要方法之一。但由于人体解剖结构复杂、组织器官形状不 一 个灰度值对应为每个神经元的输入。当内部链接矩阵所在邻 规则及不同个体问存在差异．再加上CT图像在形成时受到诸如 域内有灰度值相近的像素存在时．则其中某一个像素激发产生 噪音、场偏移效应、局部体效应和组织运动等的影响，这些因素 的脉动输出将会引起附近其他类似灰度对应神经元的激发．发 造成了CT图像的复杂性和多样性．从而大大增加了肝癌的识别 生点火．产生脉动序列输出。PCNN模型的点火时间与图像的灰 难度，所以至今没有一个通用的肝癌早期特征识别方法 度值一一对应，点火时间越早，则灰度值越大，点火时间越晚，则 对于肝癌的特征识别．有很多研究，目前主要是对特征部位 灰度值越小 这样脉动输出序列构成的二值图像反映了肝脏表 进行分割网。但边缘检测算子对噪声较敏感，在有噪声存在时，得 面的病变情况。这就是利用PCNN建立识别模型的原理。其公式 到的边缘象素常常是孤立的或仅仅是小段连续的：阈值法对于 描述如下： 一】=L 背景和前景区别明显时效果还行．但对于复杂的图像却无能为 厶J【一】= ∑ [一一l】 力：区域生长法通常依据灰度、纹理等局部信息，对面积不大的 【一】= [一】(I+ 【一D (1) 区域进行分割效果较好．但在对面积较大的图像进行分割时速 H】=∞ 一 [一一l】+ 【H】 度很慢．而且对于片中不相邻而灰度值相近或相同的区域不能 y～一 』 · 一】 一一l】 一 一 次分割出来。 10． 【H】 H—l】 基于以上分析。本文提出了基于脉冲耦合神经网络(PCNN) 式中 为外部输入刺激信号 里为图像灰度构成的矩阵 的肝癌早期识别。采用PCNN网络构建诊断模型，设置模型参 中第( )个像素的ffi)；PCNN神经元接受反馈输入 删 和连接 数，并通过实验验证该算法的有效性。 输入 删 ，然后在其内部神经元活动系统形成内部活动项 2、基于PcNN的病灶识别模型 (模型中偏移量归整为J，卢为链结强度系数J。当 7大于动态 2．1 PCNN的基本原理 门限 一删 ，P