BP-ANN在光学相干层析图像分类中的应用
为了研究反向传播人工神经网络(BP—ANN,back—propagation artificial neural network)对光学相干层析(0CT)图像的分类能力以及用不同算法训练的网络之间的性能差异,设计了基于纹理特征分析的BP-ANN图像分类实验系统。针对不同图像集,系统可根据类内和类间分散度的比值自适应地筛选最具区分性的纹理特征组成特征向量,再利用以不同算法训练的BP—ANN进行分类。实验表明,BP-ANN在经过快速训练后可以有效分辨不同组织图像,而Levenberg—Marquardt(LM)算法则被认为是最为有效的训练算法。以LM算法训练的BP—ANN可以在1s内以平均8次的迭代计算完成训练,对测试集的分类准确率可以达到93.0%。
光学相干层析(OCT)图像、纹理分析、人工神经网络(ANN)、模式分类
23
TP391.4(计算技术、计算机技术)
国家自然科学基金;天津市应用基础与前沿技术研究计划
2012-04-28(万方平台首次上网日期,不代表论文的发表时间)
391-395