改进的PSO优化ELM算法在医学图像分割中的应用研究

发布时间：2017-08-15 00:17

  本文关键词：改进的PSO优化ELM算法在医学图像分割中的应用研究

  更多相关文章： 粒子群算法 极限学习机算法 极值自适应调节 脊髓分割

【摘要】：由于医学图像背景复杂、信噪比低和无统一的衡量标准等问题导致医学图像分割问题一直是一个难点。如何选取一种分类准确性高且时间开销小的算法分割医学图像是一个值得思考的问题。粒子群算法作为一种随机搜索算法,具有收敛速度快,随机搜索能力强的优点,但是不适合用来解决复杂的多维映射问题。神经网络作为一种复杂网络模型能够处理各类复杂的数学映射问题,且具有不错的泛化性能,但算法的效率不高,且具有过拟合的问题。在以上思想的背景下,本文的主要研究内容如下:1.基本粒子群算法具有易于实现和搜索效率高的优点,但是同时也存在容易陷入局部最优的问题,本文通过分析基本PSO易陷入局部最优的原因,采取以粒子群体个体极值和全局极值随迭代过程中停止变化的步数(0T和gT)作为依据对个体极值和全局极值进行多梯度随机扰动调节的方法(RPSO)增加算法随机搜索性能和扩展搜索空间能力,并通过优化复杂多维函数实验说明改进后算法的寻优性能和效率。2.本文介绍了极限学习机算法(ELM)基本思想,说明ELM训练和分类的原理,同时分析了ELM具有的学习速度快和网络映射复杂问题能力强的优点,然后通过综合RPSO和ELM各自的优点提出了RPSO-ELM算法。RPSO-ELM算法利用RPSO良好的多维空间随机搜索能力对ELM模型的输入权重i?和隐藏层偏置ib进行寻优,以建立最优ELM模型提高ELM的泛化和分类性能。3.本文通过预处理和特征提取等操作创建样本集,然后将样本集输入RPSO-ELM进行分类实验,获取分类结果后经过一系列形态学处理,返回算法勾画轮廓的图像,并通过真阳性、背景正确识别率和背景错误识别率指标将其与金标准结果和基本ELM进行对比说明RPSO-ELM应用于医学图像分割具有实用价值。
【关键词】：粒子群算法 极限学习机算法 极值自适应调节 脊髓分割
【学位授予单位】：广西师范学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R318;TP391.41
【目录】：

• 摘要4-5
• ABSTRCT5-9
• 1 绪论9-12
• 1.1 研究背景和意义9
• 1.2 国内外研究现状9-11
• 1.3 论文结构及主要内容11-12
• 2 基于极值扰动的粒子群算法改进研究12-25
• 2.1 基本粒子群算法介绍12-16
• 2.1.1 PSO原理12-13
• 2.1.2 PSO控制参数简介13-14
• 2.1.3 PSO算法原理14-16
• 2.2 改进的标准粒子群优化算法16-24
• 2.2.1 标准PSO优化算法16-17
• 2.2.2 RPSO算法基本思想17-20
• 2.2.3 实验及性能分析20-24
• 2.3 本章小结24-25
• 3 基于改进的粒子群算法优化ELM分类模型25-35
• 3.1 基本极限学习机算法介绍25-29
• 3.1.1 单隐层前馈神经网络模型25-27
• 3.1.2 ELM算法原理27-29
• 3.2 改进的粒子群算法优化极限学习机29-34
• 3.2.1 RPSO-ELM基本思想29
• 3.2.2 算法分析与设计29-34
• 3.3 本章小结34-35
• 4 RPSO-ELM算法应用于医学图像分割35-45
• 4.1 引言35-36
• 4.2 实验设计与结论36-43
• 4.3 本章小结43-45
• 5 总结与展望45-46
• 5.1 总结45
• 5.2 未来研究工作展望45-46
• 参考文献46-49
• 附录 本文作者在攻读硕士学位期间所发表的论文49-50
• 致谢50-51

【相似文献】

中国期刊全文数据库 前10条

1 林丽秋;陈亮亮;;医学图像分割研究概况[J];科技信息;2011年21期

2 热孜万古丽·夏米西丁;;医学图像分割算法分类及特点[J];科技信息;2013年03期

3 岑峰,戚飞虎;一种新的用于医学图像分割的几何活动轮廊模型(英文)[J];红外与毫米波学报;2003年06期

4 魏飞;刘守鹏;;基于神经网络的医学图像分割研究(英文)[J];安徽大学学报(自然科学版);2014年02期

5 祝卫峰;李均利;魏平;;基于灰色关联分析的医学图像分割[J];光学技术;2010年03期

6 施俊;常谦;钟瑾;;基于三维脉冲耦合神经网络模型的医学图像分割信号与信息处理[J];应用科学学报;2010年06期

7 刘金清;;基于动态加权模糊核聚类算法的医学图像分割新方法[J];福建师范大学学报(自然科学版);2012年06期

8 乔诚;李连东;王秀丽;;ITK及其在分水岭医学图像分割中的应用[J];太原科技;2008年02期

9 杨晓波;;一种基于遗传神经网络的医学图像分割方法[J];科技信息;2012年07期

10 程显毅;梁军;马首明;;基于多agent系统的医学图像进化分割算法的研究[J];南京大学学报(自然科学版);2008年05期

中国重要会议论文全文数据库 前9条

1 安溪娟;郭磊;苗东博;;基于支持向量机的医学图像分割的研究[A];天津市生物医学工程学会第三十一届学术年会论文集[C];2011年

2 赵亮;李熙莹;刘嘉昭;赵福利;;基于聚类神经网络算法的医学图像分割[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

3 王鑫;罗斌;周伟华;;基于归一化割的医学图像分割[A];第十二届全国图象图形学学术会议论文集[C];2005年

4 韩忠玲;韩忠明;汲伟明;姚萌;;基于模拟退火遗传算法的医学图像偏移场校正[A];第七届全国信息获取与处理学术会议论文集[C];2009年

5 张永;马华;贾桂霞;;基于粗糙集属性约减的医学图像分割[A];第十二届全国图象图形学学术会议论文集[C];2005年

6 盛朗;朱清;陈进;居小平;;融合全局和局部图像信息的水平集医学图像分割方法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

7 王高峰;黎杰;漆云翔;;膀胱CT图像的自动动分割[A];中华医学会放射肿瘤治疗学分会六届二次暨中国抗癌协会肿瘤放疗专业委员会二届二次学术会议论文集[C];2009年

8 卢坤虎;李志勇;;基于CT图像的三维有限元模型构建[A];第十届全国生物力学学术会议暨第十二届全国生物流变学学术会议论文摘要汇编[C];2012年

9 娄武涛;侯寅;马川;刘奇;;基于标记的肝脏CT图像智能提取[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

中国博士学位论文全文数据库 前7条

1 郝家胜;基于几何流的医学图像分割方法及其应用研究[D];哈尔滨工业大学;2008年

2 谢从华;基于密度模型的医学图像分割方法研究[D];江苏大学;2011年

3 张小峰;基于模糊聚类算法的医学图像分割技术研究[D];山东大学;2014年

4 孟t-;基于活动轮廓模型的医学图像分割关键技术研究[D];东北大学;2010年

5 郑倩;医学图像分割方法研究及其应用[D];南方医科大学;2014年

6 郭艳蓉;医学图像分割与配准若干关键问题研究[D];合肥工业大学;2013年

7 张翔;支持向量机及其在医学图像分割中的应用[D];华中科技大学;2004年

中国硕士学位论文全文数据库 前10条

1 宋浩;医学图像分割相关算法研究[D];电子科技大学;2014年

2 张宪林;基于活动轮廓模型的医学图像分割方法研究[D];东北大学;2013年

3 易宗剑;基于群智能优化算法的医学图像分割研究[D];广西师范学院;2015年

4 陈静;基于变分水平集的医学图像分割[D];扬州大学;2015年

5 潘红;基于Otsu的医学图像分割算法研究[D];吉林大学;2016年

6 吴杰;基于模糊聚类的水平集医学图像分割[D];扬州大学;2016年

7 曾璐璐;改进的PSO优化ELM算法在医学图像分割中的应用研究[D];广西师范学院;2016年

8 潘伟;基于模糊聚类的医学图像分割技术研究[D];西北工业大学;2007年

9 王黎明;基于模糊C均值算法的医学图像分割研究[D];西安电子科技大学;2012年

10 樊万姝;基于半监督模糊聚类的医学图像分割系统设计[D];大连理工大学;2013年

，

本文编号：675421