基于量子神经网络的肿瘤细胞图像识别研究

《基于量子神经网络的肿瘤细胞图像识别研究》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、分类号______________________________密级______________________________ＵＤＣ______________________________编号______________________________硕士学位论文基于量子神经网络的肿瘤细胞图像识别研究学位申请人：黄伟强学科专业：计算机应用技术指导教师：甘岚教授答辩日期：独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地

2、方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保

3、密内容。本人签名____________导师签名__________日期___________摘要基于量子神经网络的肿瘤细胞图像识别研究摘要胃粘膜肿瘤细胞图像（简称肿瘤细胞图像）属于一种医学图像也是自然图像，一方面，肿瘤细胞之间具有较大的复杂性和差异性并且组织器官的形状不是规则的；另一方面，肿瘤细胞图像数据具有高阶统计的特性，使其服从非高斯分布，这样就导致肿瘤细胞图像存在大量的冗余信息。因此常用的一些分类方法像支持向量机、贝叶斯等，在分类非线性、高维性的胃粘膜肿瘤细胞图像时，分类效果并不理想。由于量子神经网

4、络具有很强的模式概括和泛化能力，在图像分类识别上具有优势，将其应用于经过基于正态逆高斯分布(normalinversegaussiandistribution,NIG)的非负稀疏编码（non-negativesparsecoding，NNSC）神经网络提取肿瘤细胞的特征图像上，构建了一种基于量子神经网络的肿瘤细胞图像分类器，分类效果有所提高。基本研究思想如下：首先，量子神经网络是量子计算理论和人工神经网络的结合，使其具有很强的并行处理能力，在学习能力、记忆容量、有效性、回忆速度、信息处理速度和消除灾变性失忆

5、能力等方面具有较强的优势。量子自组织特征映射神经网络（quantumself-organizingfeaturemappingneuralnetwork，QSOFM）具有量子计算的优点也有人工神经网络的优点，这些特点使其在医学图像的分类识别中具有天然的优势，本文就是利用QSOFM的优势和特点构建了基于QSOFM的肿瘤细胞图像分类器用于分类识别。其次，因为肿瘤细胞图像的复杂性、高维性和含有大量冗余信息等特点，把其直接作为QSOFM肿瘤细胞图像分类器的输入会导致分类器运行速度很慢和分类效果不理想。所以需要寻找一

6、种降维方法来解决这个问题，在常用的数据降维方法中，主成分分析（PrincipalComponentAnalysis，PCA）具有理论完善和最优线性重构误差等特点，可以有效的提取图像的特征信息。因此，把PCA应用到肿瘤细胞图像的降维中。经过降维操作就得到了一个低维度包含图像有效信息的数据作为QSOFM的输入。最后，为了进一步提取肿瘤细胞图像的特征信息达到提高图像分类器的识别率，利用基于NIG的NNSC神经网络对肿瘤细胞图像进行特征提取来得到特征图像，把包含了图像本质信息的特征图像作为基于QSOFM的肿瘤细胞图

7、像分类器的输入,比输入原始图像有更高的效率和更好的效果。所以本文融合基于NIG的NNSC的神经网络构建一个基于NIG的NNSC和QSOFM的肿瘤细胞图像分类模型。该模型是一个两层神经网络模型,第一层用于特征提取，第二层用于分类识别，实验证明，分类效果和速率均有所提高。关键词：肿瘤细胞图像，量子自组织特征映射神经网络，主成分分析，识别率IAbstractTUMORCELLIMAGERECOGNITIONBASEDONQUANTUMSELF-ORGANIZATIONFEATUREMAPPINGNEURALNET

8、WORKABSTRACTNowthenumberofcancercasesisbiggerandbigger,throughdoctors’experiencetojudgealonecannolongermeetdemand.Doctorsneedcomputerautomationtoimproveefficiency.Asacommonnaturalandmedicalimages,ontheonehand