文件名称：论文研究-基于QSOFM的胃粘膜肿瘤细胞图像识别.pdf
文件大小：1.59MB
文件格式：PDF
更新时间：2022-08-11 12:33:42
胃粘膜肿瘤细胞,识别率,量子自组织特征映射网络,主成分分析,无监督,有监督
针对胃粘膜肿瘤细胞图像的高维性、不规则性及复杂性的特点，常用的分类方法识别率不高。为了提高识别率，提出了一种基于量子自组织特征映射神经网络（quantum self-organization feature mapping neural networks，QSOFM）的胃粘膜肿瘤细胞图像识别方法。该方法将经过主成分分析（principal component analysis，PCA）降维后的图像样本输入到QSOFM中，对其进行无监督和有监督相结合的训练，使得每类胃粘膜肿瘤细胞图像对应精确和唯一的神经元，以此达到将胃粘膜肿瘤细胞图像分为癌、增生、正常三类细胞。实验结果表明，该识别方法在识别率和可靠性方面达到了良好的效果，相比于其他分类算法在识别率上有较大程度的提高，体现出QSOFM在图像识别领域的应用潜力。