基于SOM和ELMAN神經(jīng)網(wǎng)絡(luò)組合的HIV感染細(xì)胞圖像識(shí)別研究.pdf

1、艾滋病自從20世紀(jì)80年代被發(fā)現(xiàn)以來,迅速在全世界蔓延。愛滋病是一種病死率很高的嚴(yán)重傳染病。治療和預(yù)防愛滋病成為當(dāng)前各國(guó)研究的重點(diǎn)課題。在愛滋病的研究中,檢測(cè)愛滋病感染者體內(nèi)的病毒載量是研制各種治療愛滋病的藥物的重要參考依據(jù)。對(duì)HIV感染細(xì)胞的圖像進(jìn)行自動(dòng)識(shí)別和記數(shù),并開發(fā)出相應(yīng)功能的軟件,有著重要的意義。檢測(cè)病毒載量即為識(shí)別出被感染的細(xì)胞和正常細(xì)胞,得出二者總個(gè)數(shù)的比值。識(shí)別細(xì)胞首先要進(jìn)行邊緣檢測(cè)。由于感染細(xì)胞灰度值和周圍區(qū)別明顯,很

2、容易分割出來。而正常細(xì)胞和背景境灰度差別較小,通常的圖像分割的算子算法(如：剃度算子,Roberts算子,Prewitt算子,Sobel算子等等)效果均很不理想。 本文在本人以往對(duì)人工神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)上[1],運(yùn)用SOM神經(jīng)網(wǎng)絡(luò)和ELMAN神經(jīng)網(wǎng)絡(luò)的組合來進(jìn)行邊緣檢測(cè)。ANN具有很強(qiáng)的記憶和泛化能力,處理受噪聲影響較大和信噪比較小的問題往往有比較好的效果。對(duì)HIV感染細(xì)胞圖像的處理結(jié)果表明,該方法能有效分割正常細(xì)胞與背景。

3、 用神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別的關(guān)鍵就是特征向量的選取。本文采用象素點(diǎn)的拓?fù)浣Y(jié)構(gòu)象素值作為特征,即選取該點(diǎn)周圍一個(gè)三行七列的二維結(jié)構(gòu),即3×7的方格。以此21個(gè)象素值作為邊緣分割的判斷依據(jù)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本通過手選給定,即人工標(biāo)注出HIV感染細(xì)胞圖像正常細(xì)胞的邊緣。一個(gè)樣本包括輸入輸出兩部分,輸入為一個(gè)點(diǎn)和周圍的20個(gè)象素點(diǎn),輸出為根據(jù)該點(diǎn)是否為邊緣點(diǎn)對(duì)應(yīng)的值。把要識(shí)別的圖像的每個(gè)象素和周圍的20個(gè)象素點(diǎn)輸入神經(jīng)網(wǎng)絡(luò),根據(jù)網(wǎng)絡(luò)的輸出判定