神经网络技术在医学图像处理的应用.docx
《神经网络技术在医学图像处理的应用.docx》由会员分享,可在线阅读,更多相关《神经网络技术在医学图像处理的应用.docx(8页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、神经网络技术在医学图像处理的应用1神经网络技术的概念神经网络技术指的是人工神经网络ANN,其是一种模拟生物神经系统原理而构建的一种新型智能信息处理系统,简称神经网络。自上世纪40年月ANN概念的提出,进展至今日ANN已在诸多领域实现应用,在解剖学、生理学、社会学等讨论中均有良好表现,随着ANN技术的逐步开发,其在临床医学领域也有所应用,如疾病预报、方剂配伍、医学图像处理等。神经网络的应用为临床医学的讨论与进展提供了一个新的平台和方向。2神经网络的特点ANN是利用大量的简洁基本元件神经元联结而成的自适应性动态系统,虽然单个神经元的结构、功能较为简洁,但大量的神经元组合后就具备了处理冗杂信息的能力
2、,从而能够仿照人脑的部分结构或功能,最终以人脑的规律完成信息的收集和处理。因此神经网络的特点与其神经元数量、结构、单一神经元功能有关,从整体上概括来说,神经网络主要有以下特征与功能不同类型神经网络的共同特征。2.1学习能力学习能力是神经网络的基本特征,其具备肯定程度的自动学习功能。在特定算法的影响下,神经网络可以通过不断运算和识别某一信息来提高计算速度,渐渐积累并把握各类信息的特点、特征,从而大大提高识别精确度。2.2存储和联想联想存储是一种特别的思维规律模式,比方看到苹果就会流口水,就是一种特定的联想存储,神经网络的反馈机制就是基于联想存储功能实现。这种联想存储功能能够快速实现图像的对比和匹
3、配,从而服务于临床诊断。2.3高速处理能力神经网络虽然是模拟人脑神经系统构建,具备了人脑的部分功能,同时也不存在人脑计算的某些局限性,因此其在信息处理上更不简单受到干扰,信息的收集速度、处理速度、计算速度均较快,同时通过相应设定还可特化神经网络的某一种功能,使其对特定信息处理的精度、准度更上一层楼。3神经网络在医学图像处理中的应用3.1图像分割医学图像分割是医学图像分析与理解的基础工作,通过图像分割个可以将浩大的医学图像分解成多个部分,实现局部放大和读图,从而提高读图的精确度和精确度。传统医学图像分割主要采纳灰度特征和边缘检测法实现,但受限于医学图像本身的辨别率和功能性差异,这种分割方法有些时
4、候难以检测到异样组织或病灶。而神经网络能够有效提高数据的采集、处理和输出能力,假如将这种能力与医学图像分割技术相结合,将大大提高医学图像分割的效率和质量。临床中有专家尝试将ANN技术与传统X线、CT、MRI等技术结合以开发ANN在医学图像分割中的功能性。如Kuo曾采纳分水岭分割法与模糊Hopfield神经网络算法相结合,以进一步缩小医学图像分割的最小分割区域,然后采纳空间信息和搜寻类聚的方法提高图像分析质量,同时协作其他算法帮助图像分割与图像分析,结果发觉通过量化神经网络的基本结构,充分调动算法的全局搜寻能力,可大大提高医学图像分割算法的性能,从而实现精准分割、自适应型分割,以满足临床诊断。此
5、外,在乳腺癌的筛查中,ANN有活跃表现。众所周知,微钙化是乳腺癌的重要图像特征,通过特定方法可以有效检验微钙化,但仍存在较高的漏诊率或误诊率。利用ANN对X线可大大提高X线图像分析效率,搭载相应算法后,ANN可自动识别并分别乳腺X线中的可疑区域,到达更高的诊断速度和精确率。Powell在其报道中指出,利用ANN构建的乳腺X线分割算法只需要进行输入和输出设定就超越向量机分割法,在经过训练后,ANN的学习能力、联想存储发挥作用后,甚至可在数秒内就完成乳腺癌的X线筛查。与传统图像分割算法相比,神经网络的图像分割具有无可比拟的优越性。神经网络经过训练后,可以快速实现数据-图像的对比匹配,使得诊断效率大
6、大提高;同时神经网络图像分割不依靠于灰度和边界限制,无需从概率分布下手,使得分割后的区域图像更符合真实状况,使得图像诊断精确率进一步提高;此外,ANN算法不易受到外部因素的影响,如噪声、辐射等,从而使得分割后图像伪影、虚影更少,大大降低了图像的不确定性因素影响。3.2神经网络在医学图像配准中的应用医学图像配准是医学图像处理的核心,也是通过医学图像实现疾病筛查和诊断的关键所在。简洁来说,医学图像配准就是将扫描获取的图像和已有的图像资料进行比对和匹配,然后对图像进行性质推断,从而实现疾病诊断。传统的医学图像配准算法主要傅里叶变换、互信息两种,这些配准方法具有计算量大、耗时久、效率低的局限,尤其是在
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 神经网络 技术 医学 图像 处理 应用
限制150内