基于深度學(xué)習(xí)的腦部腫瘤分割算法研究與實(shí)現(xiàn)
【文章頁數(shù)】:82 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1不同閾值的分割結(jié)果??第三步是根據(jù)第二步的閾值準(zhǔn)則確定最終的閾值,然后逐像素進(jìn)行劃分
定求取閾值的準(zhǔn)則,不同的閾值大小會(huì)得到不同的分割結(jié)果。閾值選取的較大,??部分目標(biāo)就會(huì)被劃分為背景區(qū)域。閾值選取的較小,背景信息就會(huì)留在目標(biāo)中。??如圖2-1所示:??800????700?-?I?|??眺??0?50?100?150?200?250??(a)原始圖像的灰度直方圖....
圖2-2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??卷積神經(jīng)網(wǎng)絡(luò)的整體模型包括輸入層,隱藏層,輸出層,圖中虛線部分是主體部??
2.2.1卷積神經(jīng)網(wǎng)絡(luò)概述??卷積神經(jīng)網(wǎng)絡(luò)主要由卷積層,池化層以及激活函數(shù)構(gòu)成,卷積神經(jīng)網(wǎng)絡(luò)的整??體結(jié)構(gòu)如圖2-2所示:??I?I??!?HB?I??l??輸出??圖2-2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??卷積神經(jīng)網(wǎng)絡(luò)的整體模型包括輸入層,隱藏層,輸出層,圖中虛線部分是主體部??分,由卷積層....
圖2-3最大池化示意圖??
層主要是去除冗余的信息,減小圖像的尺寸,以減少網(wǎng)絡(luò)的計(jì)算量,防止過度擬??合。最常見的形式是Max?Pooling尺寸為2X2,即在濾波器覆蓋的2X2區(qū)域中選??擇最大的像素值作為響應(yīng)。池化層的示意圖如圖2-3所示:??j?5?:?6?;?7?8?:?2x2?最大池化?i?i?6....
圖2-4?Sigmoid函數(shù)與導(dǎo)數(shù)??Sigmoid的導(dǎo)數(shù)范圍為0到0.25
?(2-19)??Sigmoid的導(dǎo)數(shù)也是由S(z)組成,在計(jì)算時(shí)還是非常方便的。Sigmoid的函數(shù)與導(dǎo)??數(shù)曲線如圖2-4所示:??卞―「言—―1——1??。+8. ̄?r ̄:^? ̄??06—卜 ̄ ̄ ̄?燦——一??T— ̄^?價(jià)??!?j?]7?V?'??0.0?-???f?1?....
本文編號(hào):4007673
本文鏈接:http://sikaile.net/yixuelunwen/shenjingyixue/4007673.html
下一篇:沒有了