基于卷积受限玻尔兹曼机的医学图像分类新方法

发布时间：2018-07-07 22:15

  本文选题：医学图像分类 + 卷积受限玻尔兹曼机　； 参考：《计算机工程与科学》2017年02期

【摘要】：利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。
[Abstract]:It is one of the hotspots to analyze medical images by using data mining methods. The commonly used mining methods first need to extract features from medical images and then classify and analyze them. At present, the most widely used is to extract the statistical features of the image, and this method has a strong dependence on the extracted features. A new method of deep learning, convolution constrained Boltzmann machine model, is adopted, and the improved fast continuous contrast divergence algorithm is used to train the model. The method can directly learn the features from mammography images and classify the images by using the features learned. The experimental results show that the classification accuracy of the new method is significantly higher than that of the existing methods.
【作者单位】： 西北师范大学计算机科学与工程学院;
【基金】：国家自然科学基金(61163036,61163039) 2012年度甘肃省高校基本科研业务费专项资金(1201-16) 西北师范大学第三期知识与创新工程科研骨干项目(nwnu-kjcxgc-03-67)
【分类号】：R737.9;TP391.41

【参考文献】

相关期刊论文 前4条

1 陈娜;蒋芸;邹丽;沈建;胡学伟;李志磊;;基于判别式受限玻尔兹曼机的医学图像分类法[J];计算机科学;2015年05期

2 刘建伟;刘媛;罗雄麟;;玻尔兹曼机研究进展[J];计算机研究与发展;2014年01期

3 谢国城;蒋芸;陈娜;;基于超球体多类支持向量数据描述的医学图像分类新方法[J];计算机应用;2013年11期

4 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

【共引文献】

相关期刊论文 前10条

1 宋海声;刘岸果;吕耕耕;;基于深度学习的空间变换情景感知模型研究[J];物联网技术;2017年03期

2 胡婕;张俊驰;;双向循环网络中文分词模型[J];小型微型计算机系统;2017年03期

3 孟奎;刘梦赤;胡婕;;基于字符级循环网络的查询意图识别模型[J];计算机工程;2017年03期

4 潘书敏;颜娜;谢瑾奎;;基于用户相似度和特征分化的广告点击率预测研究[J];计算机科学;2017年02期

5 马胜蓝;;面部分层过滤的银行客户识别系统[J];计算机系统应用;2017年02期

6 吴国文;李旭;;基于深度学习的人脸识别算法分析[J];网络安全技术与应用;2017年02期

7 张娟;蒋芸;胡学伟;肖吉泽;;基于卷积受限玻尔兹曼机的医学图像分类新方法[J];计算机工程与科学;2017年02期

8 王声柱;李永忠;;基于深度学习和半监督学习的入侵检测算法[J];信息技术;2017年01期

9 陶源;王佳飞;杜俊龙;关添;王健;曾沛英;胡洪义;朱汝妃;;基于卷积神经网络的细胞识别[J];中国医学物理学杂志;2017年01期

10 闫志明;唐夏夏;秦旋;张飞;段元美;;教育人工智能(EAI)的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J];远程教育杂志;2017年01期

【二级参考文献】

相关期刊论文 前4条

1 谢国城;蒋芸;陈娜;;基于超球体多类支持向量数据描述的医学图像分类新方法[J];计算机应用;2013年11期

2 杨莹;吴诚炜;胡苏;;基于受限玻尔兹曼机的中文文档分类[J];科技创新导报;2012年16期

3 张超;蒋宏传;;舒怡乳腺诊断仪在乳腺癌诊断中的应用[J];中华肿瘤防治杂志;2010年19期

4 徐图;罗瑜;何大可;;超球体单类支持向量机的SMO训练算法[J];计算机科学;2008年06期

【相似文献】

相关硕士学位论文 前10条

1 李娟;基于RBM的小分子活性及选择性研究[D];兰州大学;2015年

2 叶睿;基于深度学习的人脸检测方法研究[D];哈尔滨工业大学;2015年

3 张卫东;深度信念网络及其在手写字体识别中的应用[D];成都理工大学;2015年

4 施维劏;门限玻尔兹曼机在人脸识别中的鲁棒性研究[D];北京交通大学;2015年

5 万程;自适应基数受限玻尔兹曼机[D];清华大学;2015年

6 李亦锬;受限的玻尔兹曼机在背景建模和文本建模中的研究与应用[D];中国科学技术大学;2016年

7 张艳霞;基于受限玻尔兹曼机的深度学习模型及其应用[D];电子科技大学;2016年

8 朱常宝;基于深度玻尔兹曼机的特征学习算法研究[D];北京化工大学;2016年

9 张怡康;基于受限玻尔兹曼机的深度学习方法研究[D];北京化工大学;2016年

10 董时静;全局形状与局部一致性联合建模的显著性检测[D];大连理工大学;2016年

，

本文编号：2106448