HHT和神经网络结合的血细胞识别算法.pdf

HHT和神经网络结合的血细胞识别算法.pdf

ID:53271037

大小:327.14 KB

页数:5页

时间:2020-04-17

HHT和神经网络结合的血细胞识别算法.pdf_第1页
HHT和神经网络结合的血细胞识别算法.pdf_第2页
HHT和神经网络结合的血细胞识别算法.pdf_第3页
HHT和神经网络结合的血细胞识别算法.pdf_第4页
HHT和神经网络结合的血细胞识别算法.pdf_第5页
资源描述:

《HHT和神经网络结合的血细胞识别算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、ComputerEngineeringandApplications计算机工程与应用HHT和神经网络结合的血细胞识别算法龚莹,龙伟,李蒙,张晓.GONGYing,LONGWei,LIMeng,ZHANGXiao南昌大学信息工程学院,南昌330031SchoolofInformationandEngineering,NanchangUniversity,Nanchang330031,ChinaGONGYing,LONGWei,LIMeng,eta1.BloodcellrecognitiononcombinationofHHTandneuralnetwork.Com·puterEngineerin

2、gandApplications,2014,50(10):266-270.Abstract:Polymorphousbloodcellsignalaffectscellclassificationandcounting.Thispaperproposesanalgorithmcorn-posedwithHilbert-HuangTransform(HHT)andneuralnetworktorecognizebloodcel1.Theenergyfeaturesofbloodcellsignal,extractedwithempiricalmodedecompositionandHilbert

3、transformarecombinedwithtimedomainfeaturestoconstituteeigenvector.Amodelonneuralnetworkisbuiltandtrainedandsimulatedtorecognizebloodcells.Simulationresultsshowthatthealgorithmhashighaccuracyandgoode行ctonrecognition.Keywords:Hilbert-HuangTransform(HHT);EmpiricalModeDecomposition(EMD);neuralnetwork;bl

4、oodcellrecog—nition;featureextraction摘要:多形态血细胞信号影响细胞分类与计数。提出了一种希尔伯特黄变换(Hilbert.HuangTransform,HHT)和神经网络相结合的血细胞识别算法。利用经验模态分解(EmpiricalModeDecomposition,EMD)和Hilbert变换提取血细胞信号能量特征,与时域特征一起构成特征向量;建立神经网络模型进行训练与仿真,以实现对多形态血细胞信号的识别。仿真结果表明,该算法识别准确率高,具有良好的识别效果。关键词:希尔伯特黄变换(HHT);经验模态分解(EMD);神经网络;血细胞识别;特征提取文献标志码:

5、A中图分类号:TP391.4doi:103778/j.issn.1002.8331.1309.04031引言路识别法u”,通过将细胞脉冲波转化为能触发计数器的血细胞分类与计数,是临床判断有无疾病、疾病种方波来实现对细胞的识别与计数。该方法由于识别方类和严重程度的重要依据,而血细胞识别是分类与计数法简单、速度快,一定程度上满足了对细胞识别和计数的关键。随着医疗电子技术的迅猛发展,血细胞识别逐的需要。然而,由于血细胞检测受管内负压、细胞悬液渐成为了生物医学领域的研究热点。国内外主流血液浓度等因素的影响,计数标本在通过宝石小孔时,易出分析仪采用电阻抗法来检测血细胞。电阻抗计数原理现“结伙”、“溜边”

6、现象,形成不同形态驼峰式脉冲,采是细胞通过小孔检测敏感器时电路阻抗发生变化,进而用模拟电路识别法易导致对类似形态脉冲信号的漏计产生电位脉冲。经小孔检测和硬件电路采集得到的血或误计,影响细胞识别与计数的准确性。细胞脉冲信号是一种非线性、非平稳信号。常用的非线针对血细胞信号非线性、非平稳、多形态的特点,本性非平稳信号处理方法有傅里叶变换、小波分析、HHT文采用HHT方法,结合神经网络对血细胞识别算法进行方法[2-53等,而HHT方法以其后验、自适应的特点和超强研究。对驼峰脉冲信号进行EMD分解,提取IMF分量的的非平稳信号平稳化处理能力在声音信号识别】、结构能量特征,与时域特征一起构成特征向量,作

7、为神经网络损伤识别、系统/结构模态参数识别等领域得到广的输入,并建立BP神经网络模型对驼峰脉冲信号进行泛应用。识别。该算法降低了神经网络的特征维数,提高了网络目前临床诊断中血细胞分析的常用方法为模拟电收敛速度;仿真结果表明该算法具有良好的识别效果。基金项目:国家自然科学基金(No.61261911)。作者简介:龚莹(1988一),女,硕士研究生,研究领域为计算机控制与嵌入式智能仪表技术,信号处理与

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。