基于反卷积神经网络的脑脊液图像快速识别模型.PDFVIP

第３３卷第７期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．７ ２０１６年７月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｌ．２０１６ 基于反卷积神经网络的脑脊液图像快速识别模型  黄文明　冷金强 　邓珍荣　徐双双　雷茜茜 （桂林电子科技大学计算机科学与工程学院　广西桂林５４１００４） 摘　要　　提出一种基于反卷积神经网络的脑脊液ＣＳＦ（ＣｅｒｅｂｒｏｓｐｉｎａｌＦｌｕｉｄ）图像快速识别模型。该模型使用无监督学习方法从底 层边缘特征到高层对象部分连接对整个图像进行图片特征表述。此外，对不变性、多层模型中层与层如何直接训练等基本问题设计 了一系列方法，如引入开关变量，计算每一幅图片试用的滤波器，并允许对每一层的图片单独训练，都提高了学习的鲁棒性。实验结 果表明，该模型大大改进了脑脊液细胞图像识别的准确率，同时提高了训练效率。 关键词　　反卷积神经网络　特征提取　脑脊液　图像识别　分类线性支持向量机 中图分类号　ＴＰ３９１．４１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０７．０５２ ＦＡＳＴＣＳＦＩＭＡＧＥＳＲＥＣＯＧＮＩＴＩＯＮＭＯＤＥＬＢＡＳＥＤＯＮＤＥＣＯＮＶＯＬＵＴＩＯＮＡＬ ＮＥＵＲＡＬＮＥＴＷＯＲＫ  ＨｕａｎｇＷｅｎｍｉｎｇ　ＬｅｎｇＪｉｎｑｉａｎｇ　ＤｅｎｇＺｈｅｎｒｏｎｇ　ＸｕＳｈｕａｎｇｓｈｕａｎｇ　ＬｅｉＱｉａｎｑｉａｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ５４１００４，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｕｔｆｏｒｗａｒｄａｗａｙｔｈａｔｉｓｂａｓｅｄｏｎｄｅｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｆａｓｔｒｅｃｏｇｎｉｔｉｏｎｏｆｃｅｒｅｂｒｏｓｐｉｎａｌｆｌｕｉｄ （ＣＳＦ）ｉｍａｇｅｍｏｄｅｌ．Ｔｈｅｍｏｄｅｌｕｓｅｓａｎｕｎｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇｍｅｔｈｏｄｔｏｒｅｐｒｅｓｅｎｔｔｈｅｆｅａｔｕｒｅｓｏｆｐｉｃｔｕｒｅｉｎｔｅｒｍｓｏｆｗｈｏｌｅｉｍａｇｅｆｒｏｍｔｈｅ ｂｏｔｔｏｍｅｄｇｅｆｅａｔｕｒｅｓｔｏｔｈｅｃｏｎｎｅｃｔｉｏｎｏｆｈｉｇｈｌｅｖｅｌｏｂｊｅｃｔｐａｒｔｓ．Ｉｎａｄｄｉｔｉｏｎ，ｗｅｄｅｓｉｇｎａｓｅｒｉｅｓｏｆａｐｐｒｏａｃｈｅｓｆｏｒｔｈｅｂａｓｉｃｉｓｓｕｅｓｉｎｃｌｕｄｉｎｇ ｔｈｅｉｎｖａｒｉａｎｃｅａｎｄｔｈｅｗａｙｏｆｔｒａｉｎｉｎｇｄｉｒｅｃｔｌｙｂｅｔｗｅｅｎｌａｙｅｒｓｉｎｍｕｌｔｉｍｏｄｅｌ，ｅｔｃ．，ｓｕｃｈａｓｉｎｔｒｏｄｕｃｉｎｇｔｈｅｓｗｉｔｃｈｖａｒｉａｂｌｅｓａｎｄｃｏｍｐｕｔｉｎｇ ｔｈｅｔｒｉａｌｆｉｌｔｅｒｓｆｏｒｅｖｅｒｙｉｍａｇｅ，ａｎｄａｌｌｏｗｔｈｅｓｉｎｇｌｅｔｒａｉｎｉｎｇｏｆｔｈｅｐｉｃｔｕｒｅｓｏｎｅｖｅｒｙｌａｙｅｒ，ｔｈｅｓｅｈａｖｅａｌｌｉｍｐｒｏｖｅｄｔｈｅｒｏｂｕｓｔｎｅｓｓｏｆｌｅａｒｎｉｎｇ． Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｇｒｅａｔｌｙｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｏｆＣＳＦｃｅｌｌｉｍａｇｅｓｒｅｃｏｇｎｉｔｉｏｎｗｈｉｌｅｒａｉｓｅｓｔｈｅｔｒａｉｎｉｎｇｅｆｆｉ ｃｉｅｎｃｙ． Ｋｅｙｗｏｒｄｓ　　Ｄｅｃｏｎｖｏｌｕｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ　Ｃｅｒｅｂｒｏｓｐｉｎａｌｆｌｕｉｄ　Ｉｍａｇｅｒｅｃｏｇｎｉｔｉｏｎ　Ｃｌａｓｓｉｆｉｅｄｌｉｎｅａｒｓｕｐｐｏｒｔ ｖｅｃｔｏｒｍａｃｈｉｎｅ ０　引　言 １　相关工作