10.3969/j.issn.0258-8021.2022.06.007
基于动态突触神经网络的菌落图像轮廓提取方法
菌落图像轮廓提取的准确性对于微生物菌落形态学和特征分析具有重要意义.本研究构建一种基于动态突触神经网络的菌落图像轮廓提取方法.首先面向视网膜光电转换过程,提出一种基于光照强度的感受野尺度自适应调节模型;其次构建融合了电突触与化学突触侧向调节的带泄漏积分触发(LIF)模型,通过神经元膜电位、空间分布关系以及响应时间差调节电突触和化学突触强度,并获得有无侧向调节作用下的菌落边缘敏感图像;最后比较有无侧向调节作用下神经元响应时间差,利用STDP学习规则对突触权重进行动态更新,以此调整菌落轮廓细节,并将其与初级轮廓响应相结合,得到最终菌落图像轮廓信息.以实验室所采集的40幅菌落图像为研究对象,选取边缘置信度BIdx、平均结构相似度MSSIM,以及综合性能EIdx为评价指标.结果表明,本方法所获取的菌落轮廓更加准确、连续且噪声少,BIdx和MSSIM分别为0.651 4±0.056 5和0.831 8±0.026 1,EIdx为0.765 7±0.027 4,较OS、BAR和LS等3种基于生物视觉的对比方法分别有显著性提升(P<0.01).所构建的动态突触神经网络适用于菌落等具有丰富细节特征的图像轮廓提取,可为融入生物视觉机制的神经计算模型研究和应用提供一种新思路.
菌落识别、动态突触、轮廓提取、神经计算模型
41
R318(医用一般科学)
国家自然科学基金61501154
2023-03-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
699-707