基于深度神經(jīng)網(wǎng)絡(luò)的腦脊液圖像識別技術(shù)研究.pdf

1、深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個重要的研究方向，它強(qiáng)大的特征學(xué)習(xí)能力在語音領(lǐng)域以及自然語言處理領(lǐng)域都取得比較好的成果。深度神經(jīng)網(wǎng)絡(luò)即多層次的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，它是深度學(xué)習(xí)的重要的研究方法，其在圖像檢測、圖像識別、視頻跟蹤等方面中的應(yīng)用成為了一個研究熱點。
　　顯微鏡下的腦脊液圖像由各種細(xì)胞組成，其拓?fù)浣Y(jié)構(gòu)復(fù)雜多變，采用傳統(tǒng)圖像分割算法需要對目標(biāo)進(jìn)行高精度完整的分割，才能準(zhǔn)確的提取到人為事先定義的特征。深度學(xué)習(xí)方法進(jìn)行腦脊液細(xì)胞分類，可

2、直接把整張圖片作為輸入進(jìn)行學(xué)習(xí)得到特征,這樣減少了信息的丟失。
　　本文針對腦脊液圖像的特點，深入研究和分析了深度神經(jīng)網(wǎng)絡(luò)中反卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行腦脊液細(xì)胞分類。反卷積模型使用無監(jiān)督學(xué)習(xí)方法從底層邊緣特征到高層對象部分連接對整個圖像進(jìn)行圖片特征表述。此外，對不變性、多層模型中層與層如何直接訓(xùn)練問題設(shè)計了相對應(yīng)的方法，如引入了開關(guān)變量，計算每一幅圖片濾波器。實驗結(jié)果表明，本文所提出的模型對腦脊液細(xì)胞圖像識別具有較好的效果。