- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
BP神经网络在眼底造影图像分割中的应用
BP神经网络在眼底造影图像分割中的应用
院系 信息学院
专业 信号与信息处理
学号 Y
姓名 高月华
BP神经网络在眼底造影图像分割中的应用
背景: 通过眼底荧光血管造影(FFA)所得到的数字图像以及对其进行处理所得到的数据,可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断。目的: 通过分析眼底造影图像和BP 神经网络的特点,利用BP 神经网络对眼底造影图像进行分割,并将其利用到眼科的临床辅助诊断之中。方法: 将待分割图像区域分为背景和目标两类,用手工方法得到这两类的样本图像,提取样本图像的特征,如灰度、方差、纹理等;对提取的样本特征值进行归一化处理,输入神经网络分类器,利用BP 训练算法进行训练;输入待分类的医学图像,提取图像特征,并进行归一化处理;将归一化后的特征值,输入已训练的神经网络分类器进行分类,得到眼底造影图像的分割结果。结果与结论: 本文使用的眼底造影图像分割方法抗干扰能力强,分割的眼底造影图像清晰。可以为眼科医生的临床诊断提供较大帮助。
关键词: BP 神经网络; 图像分割; 眼底造影图像
1前言
眼底即视网膜,是眼睛这一感觉器官的一个重要组成部分,眼睛的大部分病变来自于眼底。人类的视网膜分布着大量的各种动静脉血管,也是人类唯一能在活体上直接观察到的血管。在眼底图像处理中,视网膜血管系统是评估处理效果的重要指标之一,也是诊断糖尿病视网膜病变、高血压视网膜病变等疾病需要测量的重要参数之一。本文利用BP 神经网络根据眼科临床需要对眼底造影图像进行分割,首先将待分割图像区域分为背景和目标两类, 用手工方法得到这两类的样本图像,提取样本图像的特征,对提取的样本特征值进行归一化处理, 输入神经网络分类器,利用BP 训练算法进行训练。然后,输入待分类的医学图像,提取图像特征,并进行归一化处理。最后,将归一化后的特征值,输入已训练的神经网络分类器??行分类,从而得到临床诊断所需要的分割结果。
2 神经网络的BP 学习算法
BP 网络是基于BP 误差反向传播算法的多层前馈神经网络,是人工神经网络中研究最深入、应用最广的一种模型,BP 学习算法是神经网络中一种非常有效的有监督学习方法,其结构如图1 所示。首先我们定义网络的学习误差函数为:
(1)
式中,D表示网络的期望输出,D 是一个向量, 是向量的第k 个分量, 表示网络的实际输出,Y 是一个向量, 是向量的第k 个分量,其中, ,C 是一个正整数,表示输出层总的节点数,符号T 表示矩阵转置。令,对式(1)求的偏导数,得下式:
(2)
设表示第t 次迭代时的权值,表示第t+1次迭代时的权值, 则可得到权值的迭代修正公式:
(3)
式中,η 表示学习率。同理,对式(1)求的偏导数,得下式:
(4)
设表示第t 次迭代时的权值,表示第t+1 次迭代时的权值, 则可得到权值的迭代公式为:
(5)
基于上述的分析,可以得到BP 算法的训练步骤为:
= 1 \* GB3 \* MERGEFORMAT ①用均匀分布的随机数将各权值设定为一个小的随机数,如,设定输出层各节点的期望输出值D,这里,, 表示输出层的节点总数。
= 2 \* GB3 \* MERGEFORMAT ②从训练样本数据中,将一个输入数据加入在输入端。
= 3 \* GB3 \* MERGEFORMAT ③计算出输出层的实际输出Y,这里。
= 4 \* GB3 \* MERGEFORMAT ④基于式(1)计算输出层的误差E,如果|E| 小于预设的门限值,停止循 环,输出网络权值,否则,转步骤 = 5 \* GB3 \* MERGEFORMAT ⑤。
= 5 \* GB3 \* MERGEFORMAT ⑤基于式(3)和(5)对网络所有权值更新。
= 6 \* GB3 \* MERGEFORMAT ⑥返回步骤 = 2 \* GB3 \* MERGEFORMAT ②重复进行循环,直到误差满足所设的精度要求。
3 眼底造影图像分割
使用BP 神经网络对图像进行分割包括以下几个步骤:图像信息提取、图像变换、特征提取、特征数据归一化、用神经网络分类器进行优化处理、分类决策,最后输出分类结果。如图2 所示。
图2 神经网络分类过程
首先输入利用手工方法得到不
文档评论(0)