bp神經(jīng)網(wǎng)絡(luò)在眼底造影圖像分割中地應(yīng)用

《bp神經(jīng)網(wǎng)絡(luò)在眼底造影圖像分割中地應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、實用文案BP神經(jīng)網(wǎng)絡(luò)在眼底造影圖像分割中的應(yīng)用院系信息學(xué)院專業(yè)信號與信息處理學(xué)號YS20102109姓名高月華標(biāo)準(zhǔn)文檔實用文案BP神經(jīng)網(wǎng)絡(luò)在眼底造影圖像分割中的應(yīng)用背景：通過眼底熒光血管造影（FFA）所得到的數(shù)字圖像以及對其進行處理所得到的數(shù)據(jù)，可反映視網(wǎng)膜血管結(jié)構(gòu)、血流動力學(xué)改變、血管病理生理變化及其相關(guān)結(jié)構(gòu)的病理改變，廣泛應(yīng)用于視網(wǎng)膜、脈絡(luò)膜及視神經(jīng)疾病的鑒別診斷。目的：通過分析眼底造影圖像和BP神經(jīng)網(wǎng)絡(luò)的特點，利用BP神經(jīng)網(wǎng)絡(luò)對眼底造影圖像進行分割，并將其利用到眼科的臨床輔助診斷之中。方法：將待分割圖像區(qū)域分為背景和目標(biāo)

2、兩類，用手工方法得到這兩類的樣本圖像，提取樣本圖像的特征，如灰度、方差、紋理等；對提取的樣本特征值進行歸一化處理，輸入神經(jīng)網(wǎng)絡(luò)分類器，利用BP訓(xùn)練算法進行訓(xùn)練；輸入待分類的醫(yī)學(xué)圖像，提取圖像特征，并進行歸一化處理；將歸一化后的特征值，輸入已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)分類器進行分類，得到眼底造影圖像的分割結(jié)果。結(jié)果與結(jié)論：本文使用的眼底造影圖像分割方法抗干擾能力強，分割的眼底造影圖像清晰。可以為眼科醫(yī)生的臨床診斷提供較大幫助。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；圖像分割；眼底造影圖像1前言眼底即視網(wǎng)膜，是眼睛這一感覺器官的一個重要組成部分，眼睛的大部分病

3、變來自于眼底。人類的視網(wǎng)膜分布著大量的各種動靜脈血管，也是人類唯一能在活體上直接觀察到的血管。在眼底圖像處理中，視網(wǎng)膜血管系統(tǒng)是評估處理效果的重要指標(biāo)之一，也是診斷糖尿病視網(wǎng)膜病變、高血壓視網(wǎng)膜病變等疾病需要測量的重要參數(shù)之一。本文利用BP神經(jīng)網(wǎng)絡(luò)根據(jù)眼科臨床需要對眼底造影圖像進行分割，首先將待分割圖像區(qū)域分為背景和目標(biāo)兩類，用手工方法得到這兩類的樣本圖像，提取樣本圖像的特征，對提取的樣本特征值進行歸一化處理，輸入神經(jīng)網(wǎng)絡(luò)分類器，利用BP訓(xùn)練算法進行訓(xùn)練。然后，輸入待分類的醫(yī)學(xué)圖像，提取圖像特征，并進行歸一化處理。最后，將歸一

4、化后的特征值，輸入已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)分類器進行分類，從而得到臨床診斷所需要的分割結(jié)果。標(biāo)準(zhǔn)文檔實用文案2神經(jīng)網(wǎng)絡(luò)的BP學(xué)習(xí)算法BP網(wǎng)絡(luò)是基于BP誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡(luò)，是人工神經(jīng)網(wǎng)絡(luò)中研究最深入、應(yīng)用最廣的一種模型，BP學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)中一種非常有效的有監(jiān)督學(xué)習(xí)方法，其結(jié)構(gòu)如圖1所示。首先我們定義網(wǎng)絡(luò)的學(xué)習(xí)誤差函數(shù)為：（1）式中，D表示網(wǎng)絡(luò)的期望輸出，D是一個向量，是向量的第k個分量，表示網(wǎng)絡(luò)的實際輸出，Y是一個向量，是向量的第k個分量，其中，，C是一個正整數(shù)，表示輸出層總的節(jié)點數(shù)，符號T表示矩陣轉(zhuǎn)置。令，對式（1

5、）求的偏導(dǎo)數(shù)，得下式：（2）設(shè)表示第t次迭代時的權(quán)值，表示第t＋1次迭代時的權(quán)值，則可得到權(quán)值的迭代修正公式：（3）式中，η表示學(xué)習(xí)率。同理，對式（1）求的偏導(dǎo)數(shù)，得下式：（4）標(biāo)準(zhǔn)文檔實用文案設(shè)表示第t次迭代時的權(quán)值，表示第t+1次迭代時的權(quán)值，則可得到權(quán)值的迭代公式為：（5）基于上述的分析，可以得到BP算法的訓(xùn)練步驟為：①用均勻分布的隨機數(shù)將各權(quán)值設(shè)定為一個小的隨機數(shù)，如，設(shè)定輸出層各節(jié)點的期望輸出值D，這里，，表示輸出層的節(jié)點總數(shù)。②從訓(xùn)練樣本數(shù)據(jù)中，將一個輸入數(shù)據(jù)加入在輸入端。③計算出輸出層的實際輸出Y，這里。④基于式

6、（1）計算輸出層的誤差E，如果

7、E

8、小于預(yù)設(shè)的門限值，停止循環(huán)，輸出網(wǎng)絡(luò)權(quán)值，否則，轉(zhuǎn)步驟⑤。⑤基于式（3）和（5）對網(wǎng)絡(luò)所有權(quán)值更新。⑥返回步驟②重復(fù)進行循環(huán)，直到誤差滿足所設(shè)的精度要求。3眼底造影圖像分割使用BP神經(jīng)網(wǎng)絡(luò)對圖像進行分割包括以下幾個步驟：圖像信息提取、圖像變換、特征提取、特征數(shù)據(jù)歸一化、用神經(jīng)網(wǎng)絡(luò)分類器進行優(yōu)化處理、分類決策，最后輸出分類結(jié)果。如圖2所示。標(biāo)準(zhǔn)文檔實用文案圖2神經(jīng)網(wǎng)絡(luò)分類過程首先輸入利用手工方法得到不同的樣本圖像，利用形態(tài)學(xué)、中值濾波和快速傅立葉變換方法得到這些樣本圖像的方差、殘差和灰度特征。

9、具體方法如下：對樣本圖像進行灰度腐蝕運算。設(shè)I表示原始樣本圖像，I（x，y）表示圖像I中（x，y）處的像素值，g表示對圖像I進行腐蝕的結(jié)構(gòu)函數(shù)，如圖3所示，結(jié)構(gòu)中每點的函數(shù)值都為1。設(shè)表示用結(jié)構(gòu)函數(shù)g對圖像I腐蝕后所得到的（x，y）處的像素值，定義如下：（6）圖3形態(tài)學(xué)結(jié)構(gòu)元素按列掃描邊緣圖像中的每一像素點，則根據(jù)式對像素點（x，y）進行腐蝕得被腐蝕的圖像。將原始樣本圖像I與圖像相減，得到差值圖像標(biāo)準(zhǔn)文檔實用文案求出差值圖像的方差，并用圖像中的最大方差進行歸一化處理，就可得到樣本圖像的輸入特征之一。方差的獲取方法如下：設(shè)μ表示

10、圖像中的像素平均值，μ定義如下：（7）式中，W和H分別表示差值圖像Id的寬和高，N=W×H表示圖像Id中的總像素數(shù)，表示圖像中（x，y）處的像素值。設(shè)σ（x，y）表示圖像中像素（x，y）的方差，σ（x，y）定義如下：（8）基于式（8）對差值圖像Id中的每一像素點進行計算，得到