人工神经网络在生物医学工程图像处理中的应用

《人工神经网络在生物医学工程图像处理中的应用》由会员分享，可在线阅读，更多相关《人工神经网络在生物医学工程图像处理中的应用（6页珍藏版）》请在金锄头文库上搜索。

1、人工神经网络在生物医学工程图像处理中的应用摘要：文章简要介绍了人工神经网络及其特点， 总结了人工神经网络在图像识别、 图像压缩、图像分割、图像分类、医学影像图像等方面的应用，以及讨相对于传 统的图像处理方法的优势。 着重讨论了人工神经网络在指纹图像识别、 遥感图像 分类方面的应用。关键词：人工神经网络；图像识别；图像压缩；图像分类；遥感图像人工神经网络(Artificial Neural Nets,ANN)是近年来发展起来的十分热门 的交叉学科，它涉及生物、电子、计算机、数学和物理等学科，具有非常广泛的 应用背景。它是一种模仿动物神经网络行为特征， 进行分布式并行信息处理的算 法数学模型。依靠

2、系统的复杂程度， 通过调整内部大量节点之间相互连接的关系， 从而达到处理信息的目的。人工神经网络具有以下主要特点: 能较好地模拟人的形象思维; 具有 大规模并行协同处理能力; 具有较好的学习能力; 高速信息处理能力； 具 有较强的容错能力和联想能力; 是一个大规模自组织、 自适应的非线性动力系 统。人工神经网络在生物医学工程领域主要是解决用常规方法难以解决和无法 解决的问题。在生物医学信号的检测和分析处理中主要集中对心电、 脑电、肌电、 胃肠电等信号的识别，脑电信号的分析，听觉诱发电位信号的提取， Holter 系 统的心电信号数据的压缩， 医学图像的识别和数据压缩处理。 本文主要是介绍人 工

3、神经网络应用在图像识别、边缘检测、图像分割、图像压缩等方面的应用。图像识别：人工神经网络所具有的学习能力和容错性对图像识别问题具有独到之处。神 经网络目标识别一般需要两个过程： 训练过程和实际识别过程。 训练过程得到一 组合适的网络连接权值， 在识别过程中把未知模式输入到网络中根据学习结果对 未知模式进行模式判断。进行目标识别时，通过对有代表性样本的学习，能够识别带有噪声或形变的输入模式， 能把识别处理和若干预处理融合成一体进行， 经过学习后的神经网络 具有较高的容错性、推理能力和鲁棒性。RBF网络具有设计简单、训练速度快等优点。何苗等通过实验发现，RBF人 工神经网络在宫颈细胞图像识别中，R

4、BF网络对训练集的拟合度为97.3%,对测 试集的分类准确率为 95.4%，测试集中正常细胞的识别率为 96%， LSIL 细胞识别 率为94% HSIL细胞识别率为100%癌细胞识别率为88% RBF网络输入参数的 敏感度排序与细胞病理学特征基本一致。张彤等3在基于BP神经网络的指纹识别中，采用BP神经网络先把指纹分成左 环、右环、拱、涡、棚状拱和不辨型 6类, 然后在子类中根据特征提取进行识别。 实验结果表明 , 此方法能有效地进行指纹识别 , 且提高了指纹识别的速度， 具有一 定的应用价值。人工神经网络在人脸识别中的应用 ,充分利用了神经网络具有较好的训练和4 学习能力,自动由系统获取人

5、脸的相关特征信息 ,达到人脸的识别. 冯巧娟等4 通过研究发现，传统方法通过神经网络设计了组合分类器 , 在识别效果的准确率、5容错性、鲁棒性等方而取得了一定的进展。召E红等 研究发现，利用BF神经网络 进行人脸特征提取和识别，具有识别速度快、识别率高，容错性好等特点，具有6 很强的自适应性，对有噪声、残缺和戴眼镜的图像识别效果较好。盖怀存等 6 研究发现，GA-BP网络的应用于人脸检测具有检测速度快、检测精度高等特点。图像边缘提取： 图像的边缘提取是寻找图像灰度剧烈变化的地方。边缘检测是图像处理与 计算机视觉领域中占有最重要的位置。 传统的边缘检测方法是构造对像素灰度级 阶跃变化敏感的微分算

6、子， 并且存在域值确定问题。 而神经网络不存在域值确定 问题，也具有显著的抗噪能力。图像分割：传统的图像分割方法是基于 R、 G、 B 阈值法来判断该点是否为目标像素点， 由于噪声和背景的干扰，往往不能取得质量好的目标图像。EP人工神经网络在 理论上具有实现任意非线性映射的能力， 具有自学习、自适应及鲁棒性强的特点， 已成功地运用于印鉴图像分割、 车牌号码图像的分割等工作中， 取得了良好的图 像分割效果。BP学习算法主要思想是利用已知确定结果的样本模式对网络进行训练，然 后利用训练好的网络进行图像分割。 BP 网络在分割图像时，本质上是将待处理 图像中的各点聚类为目标像素和非目标像素， 正确聚

7、类后去除非目标像素， 从而 得到目标像素。基于PCN的图像分割完全依赖于图像的自然属性，不用预先选择处理的空间 范围,是一种更自然的分割方式 ;通过调节神经元的链接强度 ,可方便地对图像进 行不同层次的分割 ,且分割速度很快 ,在图像分割中有很强的适应性 .实验证明, 利用PCN可以有效地对指纹图像进行分割.用PCN进行图像分割时，每一个神经元与图像像素一一对应，同时该神经元 和周围邻近神经元连接。PCN分割结果明显优于标准差阈值跟踪法分割的结果。 与传统方法相比 ,它进一步减少了后续处理步骤的数据量 ,也避免了因为部分图 像区域不可靠而导致的伪特征的产生 , 提高指纹识别的精度。与传统的图像

8、分割 方法相比, 该算法有很强的适应性和抗噪性 , 在一定程度上提高了准确率。 因此, 用P CNN来实现指纹图像的背景分离具有一定的参考价值。图像压缩：和一些传统的压缩方法相比， 人工神经网络技术具有良好的容错性、 自组织 和自适应性， 在图像压缩过程中不必借助某种预先确定的数据编码算法， 神经网 络能根据图像本身的信息特点，自主地完成图像编码和压缩。EP人工神经网络 已被广泛地应用于图像处理领域。EP神经网络可以直接提供数据压缩能力。把一组输入模式通过少量的隐含 层单元映射到一组输出模式， 并使输出模式尽可能等于输入模式。 输入层到隐含 层相当于编码器，对信号进行线性或非线性变换； 隐含层

9、到输出层相当于解码器， 对压缩后的信号进行线性或非线性反变换， 恢复原图像数据。 输入层和输出层均 含有nXn个神经元，各神经元对应于nXn图像分块中的每一像素， 隐含层神 经元数比输入、输出层的神经元数少得多，从隐含层输出的数据值即为压缩值， 通过设计隐含层神经元数来实现不同压缩的目的。 训练好的网络隐含层神经元矢 量即是数据压缩的结果，输出神经元矢量便是重建的数据。高红等11提出了一种改进的EP神经网络压缩算法，按图像各部分像素特 征将图像分为平滑快、中间块和边缘块，不同的分类块采用不同的隐含层数， 对 图像细节的部分作比较精细的处理， 平滑部分可处理的粗超一些， 从而在保证图 像质量的前

10、提下，进一步提高压缩比。图像校正：RBF网络的基函数不仅径向对称，且具有良好的光滑性和任意阶导数，便于理论分析。理论证明对于一个给定的非线性函数， RBF网络可以任意准确度 逼近，该网络具有全局最优和最佳逼近性能。遥感图像的几何校正函数是一个非线性、 不确定的复杂函数， 难以用精确的 数学模型来表达问题，利用基于RBF人工神经网络能以任意精度逼近任意函数 的特性，模拟地表空间分布这一复杂的非线性函数。图像分类：与传统的分类方法相比， 神经网络分类法有以下优势： 在一定程度上消除了 遥感影像分类的模糊性和不确定性；能够并行处理；分类速度更快；AN具有自学习、自组织能力，能最大限度地利用已知类别遥

11、感图像样本集的先验知识， 自 动提取识别规则； 更具有联想和推广能力。 因而在图像分析处理领域中得到了十 分广泛的应用。Kanellopoulos 等人（1992年）对 SPOTHRV（High ResolutionVisible） 图像 进行了分类，发现利用人工神经网络方法的分类结果要高于其他方法；Deng等人（2001年）利用人工神经网络方法从TM数据的热红外波段中有效地提取了煤田火 灾的情况。 基于神经网络技术的遥感图像分类处理方法精度较高， 可被应用到土 地覆盖、农作物分类和地质灾害预测等很多方面。 与传统遥感图像分类方法相比， 分别采用基于不同算法的各种神经网络分类模型，具有更好的联

12、想和推广能力。医学影像诊断：用于颅内星形胶质细胞瘤良恶性的影像诊断： 姜兴岳等 13搜集280例星形胶 质细胞肿瘤病例的MRI影像资料，由放射科医生对MRI图像进行12方面的特征提 取作为输入层，隐含层含 4个节点，输出层有两个结点，分别对应良性及恶性星 形胶质细胞肿瘤。输出结果为 0，系统诊断为良性肿瘤，为 1诊断为恶性肿瘤。结 果显示人工神经网络的诊断准确性接近放射科专家。用于乳腺癌的普查Baker等14以美国放射学会的乳腺影像记录与数据系统标准化词典为依据，构建BP网络。网络输入层18个结点，其中10项放射学所见， 8项临床表现；输出层 1个结点，代表恶性病变可能性。结果显示，经过训练的

13、网 络在指定输出阈值时，活检阳性的预测率由35%提高到6 1 % ，敏感度1 00% 。人工神经网络的自适应非线性等特点，使之能够处理很多传统的图像处理方 法不能解决的问题， 但目前人工神经网络的处理效果与训练样本的选取有很大关 系，相信随着在这方面研究的不断深入， 人工神经网络在图像处理方面的应用将 越来越广泛。参考文献：1 雷建锋 ,孙俊逸 .基于人工神经网络下的图像识别的研究.现代电子技术J.1004-373X(2008)08-127-042 何苗,蒋本铁等.径向基人工神经网络在宫颈细胞图像识别中的应用.中国医科大学学报 J.0258-4646(2006)01-0079-033 张 彤，

14、肖南峰.基于BP网络的指纹识别系统 重庆理工大学学报(自然科 学)1674-8425 (2010) 01-0047-044 冯巧娟等，人工神经网络在人脸识别中的应用 .平顶山工学院学报J .1671-9662 (2008) 02-0019-02 邵红，徐全生，崔文成.基于BP神经网络的人脸图像识别方法的研究沈阳工业大学学报 J.1000-1646(2000)04-0346-036 盖怀存，张小锋，江泽涛 .基于量子神经网络的人脸识别技术研究 .计算机工 程与应用 J.2010 ， 46(8)： 1 87-1 89. 计算机科学7 杨治明，王晓蓉等.EP人工神经网络在图像分割中的应用J.2007

15、 Vol,34.No 38 宋寅卯,王红波，闫文科.PCNN神经网络在指纹图像分割中的应用.自动化技术与应用 J 1003-7241(2008)06-0040-039 栾志强,刁鸣,赵峙江.脉冲耦合神经网络在指纹图像分割中的应用 .应用科技J 1009-671X (2006) 10-0025-0310 刘立程.基于EP人工神经网络的图像压缩技术过程及分析.微计算机信息J. 1008-0570(2007)02-3-0312-0311 高红,惠晓威,杨峰.基于EP人工神经网络的图像压缩技术研究与改进. SCIENCE&TECHNOLOGY INFORMATIONJ . 2007年 第 30期12 廉 明，赵淑清.基于RBF人工神经网络的遥感图像校正算法.遥感技术与应用J.1004-0323(2006)06-0552-0413 姜兴岳，耿道颖，沈天真，等。人工神经网络鉴别星形胶质细胞瘤良恶性的初步研究J中国医学计算机成像杂志，2004,10:217-22014 BakerJA,KomguthPJLoJY,etalBreastCancerpreditctionwithartificial neural network basedon BI_RADS standardizedlexiconJ.Radiology,1995,196(3):817