基于深度学习的MRI病脑图像多分类方法研究

发布时间：2021-01-21 12:14

　　人类非脑部疾病的医学研究可以依赖动物来实现,而脑部疾病则存在许多局限性,例如人脑和动物脑之间具有的本质区别,人脑可以进行对思维和记忆的计算,内部结构复杂、精细,而直接进行人脑的研究则违背社会伦理道德,因此,大多数现代医学中的脑部研究都是通过计算机辅助方法完成的。计算机技术在近些年的急速发展,使得核磁共振成像技术（MRI）已广泛应用于医学领域。其中自动且准确地分类不同类型的病理脑图像尤为重要。本文研究建立一个MRI病脑图像自动检测分类系统,将健康、脑血管类疾病、肿瘤性疾病、退行性疾病以及炎症性疾病进行更为准确的分类。本文的主要研究工作如下:1.研究自编码器（AE）在MRI脑图像特征提取过程中的可行性与意义,并对自编码器进行优化改进,利用改进后的堆叠式稀疏自编码器（SSAE）方法进行MRI脑图像的特征提取。在AE算法中引入L1正则化,在最小化经验误差函数中加入约束,从而使得模型能满足稀疏性的要求;2.针对深度学习方法训练时间过长的问题,提出了小批量尺度共轭梯度（MSCG）算法。MSCG算法在运算过程中采用列文伯格（LM）方法来避免存储和计算牛顿法所需要的二阶导数信息,并且该算法在共轭梯度（... 

【文章来源】：南京师范大学江苏省 211工程院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图２－３深度网络基本结构??深度学习网络结构中的隐含层的数量并不固定，其值根据作者而定

Ｑ?０?Ｄ隐含层１」ｉ??９?９?Ｗ?９?９??图２－５深度置信网络结构??基于ＲＢＭ的上述特性，ＤＢＮ逐层训练过程十分有效，通过隐含层特征提取??使得之后网络层数的训练数据更具代表性，并且通过可生成新数据能解决样本量??不足的问题。ＤＢＮ的训练过程如图２?－?６所示。??将上一个ＲＢＭ所提取出??的特征作为下一个ＲＢＭ??的输入．继续训练??Ｉ『??重Ｓ上一个过程，以训??练尽可能多的ＲＢＭ层??，?ｉＳｋ．??｜＿＿＿＿Ｉ??最底部的ＲＢＭ对原始输??入数据进行训练??图２－６深度置信网络的训练过程??２．２．３卷积神经网络??卷积神经网络（ＣＮＮ）是一种深度学习方法，它引起了人们的广泛关注。由??于ＣＮＮ可以避免复杂的图像预处理阶段，因此，实验中可以直接进行原始图像??１２??

基于ＲＢＭ的上述特性，ＤＢＮ逐层训练过程十分有效，通过隐含层特征提取??使得之后网络层数的训练数据更具代表性，并且通过可生成新数据能解决样本量??不足的问题。ＤＢＮ的训练过程如图２?－?６所示。??将上一个ＲＢＭ所提取出??的特征作为下一个ＲＢＭ??的输入．继续训练??Ｉ『??重Ｓ上一个过程，以训??练尽可能多的ＲＢＭ层??，?ｉＳｋ．??｜＿＿＿＿Ｉ??最底部的ＲＢＭ对原始输??入数据进行训练??图２－６深度置信网络的训练过程??２．２．３卷积神经网络??卷积神经网络（ＣＮＮ）是一种深度学习方法，它引起了人们的广泛关注。由??于ＣＮＮ可以避免复杂的图像预处理阶段，因此，实验中可以直接进行原始图像??１２??

【参考文献】：
期刊论文
[1]网络安全遇上人工智能:综述（英文）[J]. Jian-hua LI.  Frontiers of Information Technology & Electronic Engineering. 2018(12)
[2]基于影像的病脑检测方法综述[J]. 贾文娟,王水花,张煜东.  计算机工程与应用. 2018(11)
[3]基于深度学习的CT脑影像分类方法用于阿尔茨海默病的初步筛查[J]. 惠瑞,高小红,田增民.  中国医疗设备. 2017(12)
[4]利用拼音特征的深度学习文本分类模型[J]. 赵博轩,房宁,赵群飞,张朋柱.  高技术通讯. 2017(07)
[5]深度学习在鱼类图像识别与分类中的应用[J]. 林明旺.  数字技术与应用. 2017(04)
[6]基于卷积神经网络的人脸识别算法[J]. 李辉,石波.  软件导刊. 2017(03)
[7]基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类[J]. 樊养余,李祖贺,王凤琴,马江涛.  电子与信息学报. 2017(01)
[8]基于判别式受限玻尔兹曼机的医学图像分类法[J]. 陈娜,蒋芸,邹丽,沈建,胡学伟,李志磊.  计算机科学. 2015(05)
[9]基于局部二值模式和深度学习的人脸识别[J]. 张雯,王文伟.  计算机应用. 2015(05)
[10]基于受限玻尔兹曼机的中文文档分类[J]. 杨莹,吴诚炜,胡苏.  科技创新导报. 2012(16)



本文编号：2991141