【摘要】：計(jì)算機(jī)技術(shù)輔助病腦檢測(cè)是醫(yī)學(xué)領(lǐng)域和計(jì)算機(jī)領(lǐng)域中的熱點(diǎn)問(wèn)題,該問(wèn)題的解決對(duì)于腦疾病預(yù)防和治療具有顯而易見(jiàn)的有益作用。本文以磁共振腦圖像為實(shí)驗(yàn)對(duì)象,研究計(jì)算機(jī)輔助醫(yī)療檢測(cè)方法對(duì)健康腦圖像和多種病腦圖像的有效分類(lèi)。該方法是一種為了提升腦圖像分類(lèi)性能的基于機(jī)器學(xué)習(xí)的智能分類(lèi)方法,主要針對(duì)傳統(tǒng)技術(shù)的缺點(diǎn)來(lái)提出的,如手工分類(lèi)存在時(shí)間代價(jià)高和經(jīng)驗(yàn)影響大的問(wèn)題;傳統(tǒng)神經(jīng)網(wǎng)絡(luò)分類(lèi)存在易陷入局部最優(yōu)和性能不高的問(wèn)題。首先,本文從哈佛大學(xué)醫(yī)學(xué)院網(wǎng)站上獲取61張人腦磁共振數(shù)據(jù),采用數(shù)據(jù)增強(qiáng)技術(shù)將數(shù)據(jù)集擴(kuò)增至732張,并對(duì)樣本數(shù)據(jù)進(jìn)行特征提取與選擇。采用離散小波變換(Discrete Wavelet Transform,DWT)和小波熵(Wavelet Entropy,WE)的方法提取腦圖像的多尺度特征,將提取腦圖像的7個(gè)特征輸入到單一隱藏層的BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行分類(lèi)訓(xùn)練。其次,為了避免在訓(xùn)練過(guò)程中網(wǎng)絡(luò)陷入局部最優(yōu)解本文提出了以下三種方法:一是考慮到粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)具有精度高、收斂快和較強(qiáng)的歷史信息記憶能力的優(yōu)勢(shì),提出粒子群算法確定網(wǎng)絡(luò)的權(quán)值和偏置;二是考慮到生物地理學(xué)優(yōu)化算法(Biogeography-Based Optimization,BBO)具有良好遷移機(jī)制和較強(qiáng)搜索能力的優(yōu)勢(shì),提出生物地理學(xué)算法確定網(wǎng)絡(luò)的權(quán)值和偏置;三是提出粒子群優(yōu)化和生物地理學(xué)融合算法確定網(wǎng)絡(luò)的權(quán)值和偏置,進(jìn)一步提升最終的分類(lèi)效果。最后,在相同腦圖像數(shù)據(jù)集上驗(yàn)證所采用方法的可行性和有效性。通過(guò)將PSO+BBO-BPNN與PSO-BPNN、BBO-BPNN等方法進(jìn)行病腦分類(lèi)準(zhǔn)確率的對(duì)比證明本文采用的方法在磁共振腦圖像分類(lèi)中具有相對(duì)優(yōu)越性。實(shí)驗(yàn)過(guò)程中采用10折交叉驗(yàn)證方法防止出現(xiàn)過(guò)擬合現(xiàn)象,“WE+PSO+BBO-BPNN”對(duì)病腦圖像平均識(shí)別率達(dá)到83.16%,平均分類(lèi)時(shí)間為43.68s。實(shí)驗(yàn)結(jié)果顯示,本文研究腦圖像分類(lèi)的方法在保證檢測(cè)性能的同時(shí),提高分類(lèi)運(yùn)行效率。
【圖文】：

５類(lèi)病腦樣本分別為：阿爾茨海默病、膠質(zhì)瘤、亨廷頓病、肉瘤和腦膜瘤。同時(shí)，逡逑本文所采用的研宄樣本都進(jìn)行了圖像配準(zhǔn)處理，圖像尺寸均為２５６ｘ２５６像素，圖逡逑２－１中列舉了部分磁共振腦圖像樣本，圖２－１邋（ａ）、圖２－１邋（ｂ）、圖２－１邋（ｃ）、圖２－１逡逑（ｄ）、圖２－１邋（ｅ）和圖２－１邋（ｆ）分別對(duì)應(yīng)于上述６類(lèi)腦圖像。逡逑姞＿逡逑（ａ）正常邐（ｂ）阿爾茨海默病邐（ｃ）膠質(zhì)瘤逡逑（ｄ）亨廷頓病邐（ｅ）肉瘤邐（ｆ）腦膜瘤逡逑圖２－〗腦圖像樣本逡逑關(guān)于圖２－１邋（ｂ）阿爾茨海默病，其又被稱(chēng)為老年癡呆癥，高發(fā)人群為老年人。逡逑該病癥的具體臨床表現(xiàn)為記憶障礙，患有此病的老年人分不清周?chē)挠H朋好友同逡逑時(shí)會(huì)逐漸喪失語(yǔ)言表達(dá)能力，難以與他人溝通。目前該疾病還未能找到有效的解逡逑決方案，因此在早期體檢過(guò)程中能夠識(shí)別該病癥并能夠做好相應(yīng)的預(yù)防和治療措逡逑施顯得尤為重要；關(guān)于圖２－ｌ（ｃ）膠質(zhì)瘤，世界衛(wèi)生組織將其分為４級(jí)，１？２級(jí)為逡逑低級(jí)別膠質(zhì)瘤，，即分化良好的膠質(zhì)瘤，３？４級(jí)為高級(jí)別膠質(zhì)瘤，即惡性腫瘤。該逡逑７逡逑

重是通過(guò)網(wǎng)絡(luò)訓(xùn)練得出的。ＢＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中輸入層和輸出層的神經(jīng)元的個(gè)數(shù)逡逑通過(guò)具體的問(wèn)題和解的數(shù)目確定，則包含三個(gè)層次的ＢＰ神經(jīng)網(wǎng)絡(luò)模型的具體網(wǎng)逡逑絡(luò)結(jié)構(gòu)如圖２４。逡逑１２逡逑
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：R741.044;TP391.41;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊越;吳才武;張景慧;韓永嬌;武智勇;張娜;張?jiān)聟?葛偉;;土壤與生物地理學(xué)野外實(shí)習(xí)存在問(wèn)題與對(duì)策[J];科教文匯(中旬刊);2016年10期

2 劉正一;龐云龍;郭偉;秦松;;漂浮海藻與海藻區(qū)系的關(guān)系[J];海洋科學(xué)集刊;2016年00期

3 張國(guó)輝;聶黎;毛學(xué)港;;生物地理學(xué)算法求解柔性作業(yè)車(chē)間調(diào)度問(wèn)題[J];計(jì)算機(jī)應(yīng)用研究;2014年04期

4 邢平平;褚棟;金建玲;郭篤發(fā);;微生物生物地理學(xué)研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2012年30期

5 黃勇;王躍招;;海南島兩棲爬行動(dòng)物生物地理學(xué)研究進(jìn)展[J];四川動(dòng)物;2011年02期

6 李雙成;;生物地理學(xué)教學(xué)與研究的新進(jìn)展——評(píng)陳克龍等編著的《生物地理學(xué)》[J];地理研究;2007年04期

7 張奠湘;替代學(xué)派生物地理學(xué)幾種研究方法簡(jiǎn)介[J];熱帶亞熱帶植物學(xué)報(bào);1995年02期

8 陳宜瑜，劉煥章;生物地理學(xué)的新進(jìn)展[J];生物學(xué)通報(bào);1995年06期

9 NELSON G.,PLATNICK N.I.,宋大祥;生物地理學(xué)(一)[J];動(dòng)物學(xué)雜志;1990年05期

10 Gareth Nelson ,Norman ,蔣光藻 ,曾錄書(shū);替代分化生物地理學(xué)方法淺析[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);1985年S2期

相關(guān)會(huì)議論文 前10條

1 夏曦中;張訓(xùn)蒲;劉煥章;;中國(guó)似泩魚(yú)類(lèi)生物地理學(xué)過(guò)程研究[A];中國(guó)海洋湖沼學(xué)會(huì)魚(yú)類(lèi)學(xué)分會(huì)、中國(guó)動(dòng)物學(xué)會(huì)魚(yú)類(lèi)學(xué)分會(huì)2004年學(xué)術(shù)研討會(huì)摘要匯編[C];2004年

2 楊雷;彭作剛;何舜平;;大鰭溹的群體遺傳結(jié)構(gòu)和生物地理學(xué)研究初探[A];中國(guó)海洋湖沼學(xué)會(huì)魚(yú)類(lèi)學(xué)分會(huì)、中國(guó)動(dòng)物學(xué)會(huì)魚(yú)類(lèi)學(xué)分會(huì)2004年學(xué)術(shù)研討會(huì)摘要匯編[C];2004年

3 紀(jì)運(yùn)恒;;重樓屬的形態(tài)性狀演化、分類(lèi)系統(tǒng)與生物地理學(xué)[A];中國(guó)植物學(xué)會(huì)七十五周年年會(huì)論文摘要匯編（1933-2008）[C];2008年

4 俞丹;陳明;唐瓊英;劉煥章;;基于線粒體Cyt b基因序列變異的尖頭渆譜系生物地理學(xué)研究[A];中國(guó)海洋湖沼學(xué)會(huì)魚(yú)類(lèi)學(xué)分會(huì)、中國(guó)動(dòng)物學(xué)會(huì)魚(yú)類(lèi)學(xué)分會(huì)2012年學(xué)術(shù)研討會(huì)論文摘要匯編[C];2012年

5 張瑞瑩;宋剛;屈延華;Per Alstr銉m;Per G.P.Ericson;Jon Fjelds

本文編號(hào)：2612733