神經(jīng)網(wǎng)絡(luò)技術(shù)在卵巢腫瘤診斷中的應(yīng)用.pdf

1、目前，數(shù)字圖像處理、模式識別和人工智能技術(shù)已經(jīng)被廣泛的應(yīng)用在生物醫(yī)學(xué)領(lǐng)域，并取得了一些成果，但用神經(jīng)網(wǎng)絡(luò)對細(xì)胞圖像進(jìn)行病理診斷的系統(tǒng)報道并不多，本論文在對卵巢癌細(xì)胞圖像識別與特征值提取進(jìn)行深入研究的基礎(chǔ)上，應(yīng)用神經(jīng)網(wǎng)絡(luò)對細(xì)胞圖像進(jìn)行診斷分類，并取得了令人滿意的結(jié)果，并具有很高的臨床應(yīng)用價值。 本文將從病人腹水中獲取的原始卵巢癌細(xì)胞圖像進(jìn)行預(yù)處理，得到需要的細(xì)胞樣本圖像，提取細(xì)胞圖像形態(tài)學(xué)的特征參數(shù)。采用多層感知器神經(jīng)網(wǎng)絡(luò)和徑向基

2、函數(shù)網(wǎng)絡(luò)對細(xì)胞作診斷分類識別，并探討了兩種網(wǎng)絡(luò)的多種算法。從識別的結(jié)果來看，徑向基函數(shù)的識別率和多層感知器網(wǎng)絡(luò)中自適應(yīng)算法的識別率是最令人滿意的，取得了比較理想的分類效果。 本文對樣本特征量選取的數(shù)量與特征量之間的線性關(guān)系對分類效果的影響作了研究。特征量多，分類識別率提高，但特征量之間如果有線性關(guān)系，則帶來數(shù)據(jù)冗余而降低識別準(zhǔn)確率。 本研究將計算機技術(shù)與病理學(xué)專家的實際經(jīng)驗相結(jié)合，在采用圖像處理技術(shù)對醫(yī)學(xué)圖像進(jìn)行處理的基