肿瘤诊断111.ppt

《肿瘤诊断111.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、肿瘤诊断1肿瘤细胞诊断问题提出肿瘤通过穿刺采样（1）良性（2）恶性细胞核的特性直径、质地、周长、面积、光滑度、紧密度、凹陷度、凹陷点数、对称度、断裂度2实验数据500个病例每个病例包括10个特征量的平均值、标准差和最坏值模型：30个特征数据提取特征、分类识别问题：判断另外69名已经做穿刺采样的患者良性、恶性3数学方法（1）统计方法欧氏距离，马氏距离（2）神经网络学习识别4生物神经元结构（1）细胞体（2）树突（3）轴突（4）突触：可塑性5神经元功能（1）兴奋与抑制：（2）学习与遗忘：6MP神经网络模型图2-2-2MP神经元模型（

2、a）7MP神经网络模型另一式：8作用函数的形式910对称型阶跃函数图2-2-311感知器感知器是模拟人的视觉，接受环境信息，并由神经冲动进行信息传递的神经网络。感知器分单层与多层，是具有学习能力的神经网络。12单层感知器单层感知器13学习算法步骤：14单层感知器的应用两类模式分类高维样本空间中，用一个超平面将两类样本分开。若输入的两类模式是线性可分，则算法一定收敛。局限性若输入模式为线性不可分集合，网络的学习算法不收敛，不能进行正确分类。15线性可分集合16三维空间上的两类模式17（3）可引伸到n>3维空间上的线性可分集合，一

3、定可找到一超平面，将输入模式分为两类。由n输入/单输出的单层感知器实现。线性不可分集合。二维平面上的两类模式——异或（XOR）问题，见表。二维平面中不存在一条直线，将输入模式分为两类，此输入模式称线性不可分集合，见图。可见：单层感知器不能解决异或问题。18多层感知器19三层感知器解决异或（XOR）问题20三层感知器可识别任一凸多边形或无界的凸区域。更多层感知器网络，可识别更为复杂的图形。21