基于卷积受限玻尔兹曼机的医学图像分类新方法.pdfVIP

cN 43—1258／TP 计算机工程与科学 第39卷第2期2017年2月 ISSN1007—130X ComputerEngineering＆Science V01．39，No．2，Feb．2017 文章编号：1007—130X(2017)02一0323一07 基于卷积受限玻尔兹曼机的医学图像分类新方法 张 娟，蒋 芸，胡学伟，肖吉泽 (西北师范大学计算机科学与工程学院，甘肃兰州730070) 摘 要：利用数据挖掘方法对医学图像做分析是目前研究的热点之一，常用的挖掘方法首先需要从医 学图像中提取特征，然后进行分类分析。目前，应用最多的是提取图像的统计特征，这种方法对所提取的 特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型，并且采用改进的快速 持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征 对图像进行分类。实验结果显示，新方法对医学图像的分类精度相对于已有方法有明显的提升。 关键词：医学图像分类；卷积受限玻尔兹曼机；快速持续对比散度；分类精度 中图分类号：TPl81