基于som和elman神经网络组合的hiv感染细胞图像识别研究

《基于som和elman神经网络组合的hiv感染细胞图像识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要艾滋病自从20世纪80年代被发现以来，迅速在全世界蔓延。爱滋病是一种病死率很高的严重传染病。治疗和预防爱滋病成为当前各国研究的重点课题。在爱滋病的研究中，检测爱滋病感染者体内的病毒载量是研制各种治疗爱滋病的药物的重要参考依据。对HIV感染细胞的图像进行自动识别和记数，并开发出相应功能的软件，有着重要的意义。检测病毒载量即为识别出被感染的细胞和正常细胞，得出二者总个数的比值。识别细胞首先要进行边缘检测。由于感染细胞灰度值和周围区别明显，很容易分割出来。而正常细胞和背景境灰度差别较小，通常的图像分割的算子算法(如：剃度算子，Roberts算子，Pre

2、witt算子，Sobel算子等等)效果均很不理想。本文在本人以往对人工神经网络研究的基础上¨1，运用SOM神经网络和ELMAN神经网络的组合来进行边缘检测。ANN具有很强的记忆和泛化能力，处理受噪声影响较大和信噪比较小的问题往往有比较好的效果。对HIV感染细胞图像的处理结果表明，该方法能有效分割正常细胞与背景。用神经网络进行图像识别的关键就是特征向量的选取。本文采用象素点的拓扑结构象素值作为特征，即选取该点周围一个三行七列的二维结构，即3×7的方格。以此21个象素值作为边缘分割的判断依据。神经网络的训练样本通过手选给定，即人工标注出HIV感染细胞图像

3、正常细胞的边缘。一个样本包括输入输出两部分，输入为一个点和周围的20个象素点，输出为根据该点是否为边缘点对应的值。把要识别的图像的每个象素和周围的20个象素点输入神经网络，根据网络的输出判定其是否为边缘点，可以得到图像的边缘点二值图像。对已经明确分割出来的二值图像运用数学形态学的腐蚀，膨胀和填充等运算，可以得到每个细胞对应～个黑色区域。并且细胞之间粘连的情况也得到有效分离。随后即可根据小黑块的数目对图片中的细胞记数。最后用VisualC++6．0平台开发出自动对HIV感染细胞的图像进行自动识别和记数的软件。关键词：Som神经网络；Elman神经网络；

4、图象识别；边缘检测AbstractTheAIDSspreadsinthewholeworldquicklysinceitwasdiscoveredinthe80’Sof20centuries．TheAIDSisakindofseriousinfectiousdiseasewithhighdeathrate．Currently，treatingandpreventingoftheAIDSbecomethekeyresearchallovertheworld．．IntheresearchoftheAIDS．theexaminationofviruscar

5、riesinthebodyoftheAIDSinfectorsistheimportantreferenceofmanufacturingAIDSmedicaments．Presently，theexaminationofviruscarriesmainlydependsontheartificialimagescountingoftheHIVinfectingcells，whichwastesnotonlythemanpower，butalsohasverylOWemciency．Thereforeitisverysignificanttoauto

6、maticallyidentifyandcounttheimagesoftheHIVinfectingcells．ThisPaperisbasedupontheresearchoftheartificialnervenetwork，usingthecombinationoftheSOMnervenetworkandtheELMANnervenetworktocarryontheedgedetection．TheANNhasaverystrongmemoryandextensiveability,anditiscomparativelyeffectiv

7、etohandletheproblemswhichareaffectedlargelybynoiseandtheproblemswhichhavesmallSNR(Signal-to-Noise)．FromtheprocessingresultoftheHIVinfectedcells．weknowthismethodcansegmentthenormalcellsandthebackgroundeffectively．Thekeypointofusingnervenetworktoidentifymodesistheselectionofthech

8、aracteristicvector．Thispapertakesthepixelvalueofonepix