基于SOM和ELMAN神經(jīng)網(wǎng)絡組合的HIV感染細胞圖像識別研究.pdf

1、艾滋病自從20世紀80年代被發(fā)現(xiàn)以來,迅速在全世界蔓延。愛滋病是一種病死率很高的嚴重傳染病。治療和預防愛滋病成為當前各國研究的重點課題。在愛滋病的研究中,檢測愛滋病感染者體內(nèi)的病毒載量是研制各種治療愛滋病的藥物的重要參考依據(jù)。對HIV感染細胞的圖像進行自動識別和記數(shù),并開發(fā)出相應功能的軟件,有著重要的意義。檢測病毒載量即為識別出被感染的細胞和正常細胞,得出二者總個數(shù)的比值。識別細胞首先要進行邊緣檢測。由于感染細胞灰度值和周圍區(qū)別明顯,很

2、容易分割出來。而正常細胞和背景境灰度差別較小,通常的圖像分割的算子算法(如：剃度算子,Roberts算子,Prewitt算子,Sobel算子等等)效果均很不理想。 本文在本人以往對人工神經(jīng)網(wǎng)絡研究的基礎上[1],運用SOM神經(jīng)網(wǎng)絡和ELMAN神經(jīng)網(wǎng)絡的組合來進行邊緣檢測。ANN具有很強的記憶和泛化能力,處理受噪聲影響較大和信噪比較小的問題往往有比較好的效果。對HIV感染細胞圖像的處理結果表明,該方法能有效分割正常細胞與背景。

3、 用神經(jīng)網(wǎng)絡進行圖像識別的關鍵就是特征向量的選取。本文采用象素點的拓撲結構象素值作為特征,即選取該點周圍一個三行七列的二維結構,即3×7的方格。以此21個象素值作為邊緣分割的判斷依據(jù)。神經(jīng)網(wǎng)絡的訓練樣本通過手選給定,即人工標注出HIV感染細胞圖像正常細胞的邊緣。一個樣本包括輸入輸出兩部分,輸入為一個點和周圍的20個象素點,輸出為根據(jù)該點是否為邊緣點對應的值。把要識別的圖像的每個象素和周圍的20個象素點輸入神經(jīng)網(wǎng)絡,根據(jù)網(wǎng)絡的輸出判定