资源描述：
《基于粒子群神经网络的细胞图像分割方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第7期基于粒子群神经网络的细胞图像分割方法·61·基于粒子群神经网络的细胞图像分割方法*张煜东吴乐南韦耿(东南大学信息科学与工程学院,南京210096)摘要:为了更好地分割细胞图像,对传统的BP神经网络进行改进:首先将输入神经元设置为一个3×3窗口,以代替传统的单像素通道;其次采用一种基于信息熵的方法估计隐层神经元的个数;最后采用一种改进的PSO算法来保证网络权值收敛到最优。对血细胞和肠细胞的分割结果表明,本文方法得到的隐层神经元数大幅减少,误判率也优于BP与LM算法,耗时较BP算法少且近似接近LM算法。本文提出的估计隐层神经元
2、的方法有效,且改进的PSO算法能够跳出误差函数局部极小点,收敛到全局最小点。关键词:神经网络；细胞图像分割；隐层神经元个数；粒子群优化中图分类号:TN911.73 文献标识码:A 国家标准学科分类代码:510.4050CellularimagesegmentationbasedonparticleswarmneuralnetworkZhangYudongWuLenanWeiGeng(SchoolofInformationScience&Engineering,SoutheastUniversity,Nanjing2100
3、96,China)Abstract:Inordertosegmentcellularimagesmoreefficiently,traditionalBPneuralnetworkwasimprovedinfollowingaspects:first,theinputlayerwassetasa3×3windowinreplaceofmono-pixelchannel;second,thenumberofneuronsinhiddenlayerwasestimatedbyaninformationentropybasedappr
4、oach;finally,aimprovedPSO(particleswarmoptimization)algorithmwasproposedtoguaranteethenetworktoconvergetotheglobaloptimum.Theexperimentsonbloodbacteriaandintestinebacteriashowthatthenumberofneuronsinhiddenlayerisquitereduced,themisclassificationrateislessthantheresul
5、tsviaBPandLM,andthecomputationtimeisfarlessthanthatofBPandclosetothatofLM.Inconclusion,themethodofestimatingnumberofneuronsinhiddenlayeriseffective,andtheimprovedPSOiscapableofjumpingfromlocalminimaoftheerrorsurfaceandconvergingintoglobalminima.Keywords:neuralnetwork
6、;cellularimagesegmentation;numberofneuronsinhiddenlayer;particleswarmoptimization第7期基于粒子群神经网络的细胞图像分割方法·61·1引言细胞图像是细胞胚胎学、病理学的重要辅助研究手段,在伤口愈合、自主防御机制、癌细胞转移机制、血细胞和免疫细胞统计分析等研究中发挥着重要作用。对细胞图像的分割在临床上有重要应用价值,其目的是抽取临床有用的重要信息,以提高疾病的诊断与治疗水平。细胞图像的分割是整个图像处理与分析中的关键技术,分割质量对随后的诊断有十分重要
7、的影响[1]。目前,细胞图像的分割方法有很多,但由于神经网络(NN)具有较强的学习能力和自适应能力,并可以看作是一种具有大量链接的并行分布处理系统,较之传统方法具有很大优越性[2]。因此,本文选取NN对细胞图像进行分割,第7期基于粒子群神经网络的细胞图像分割方法·61·碰到的主要问题一是如何确定网络结构,二是如何保证网络收敛到全局最优。本文介绍了基于分类的图像分割技术,将权值学习转化为粒子群优化问题,提出一种改进的PSO算法,保证网络权值收敛到最优。2背景将图像分割视作一个分类问题,则其发展可示于表1。表1基于分类的图像分割进展
8、Table1Progressonimagesegmentationbasedonclassification指标直方图法匹配法神经网络法维数空间1×1模板(3×3等)模板(3×3等)比较方法直接线性卷积后通过非线性网络后分界面一个点一个超平面一个超曲面分割性能差
