基于卷积受限玻尔兹曼机的医学图像分类新方法

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.

关键词：医学图像分类、卷积受限玻尔兹曼机、快速持续对比散度、分类精度

所属期刊栏目：39

分类号：TP181;TP391.4(自动化基础理论)

资助基金：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

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：323-329