基于细胞神经网络的有核细胞边缘检测方法研究.pdf

《基于细胞神经网络的有核细胞边缘检测方法研究.pdf》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、维普资讯http://www.cqvip.com27卷1期中国生物医学工程学报V01．27No．12008年2月ChineseJournalofB／omed／ca／Eng／,~er／ngFebruary2008基于细胞神经网络的有核细胞边缘检测方法研究冯强于盛林王怀颖石玉(南京航空航天大学自动化学院，南京210016)摘要：骨髓切片中的有核细胞数是测量骨髓增生程度的一个重要标志。由于骨髓成分的复杂性，计算机自动识别的效果不甚理想。提出了基于改进的细胞神经网络的有核细胞边缘检测的新方法。首先提出了改进的细胞神经网络的形式，推导了它的稳定性的条件。针对

2、具体应用，设计了合适的网络参数。实验结果证明，新方法能够在复杂背景条件下，准确地提取出有核细胞的边缘。由于细胞神经网络硬件的易实现性，所以具有非常好的应用前景。关键词：细胞神经网络；有核细胞数；边缘检测ANewEdgeDetectionMethodofNucleatedCellswithImprovedCellularNeuralNetworksFENGQiang’YUSheng-LinWANGHuai．YinSHIYu(CollegeofAutomationEngineering，NanjingUniversityofAeronauticsand

3、A曲，I射如，N~ing210016)Abstract：enumberofnucleatedcellsinabonen'~ITOWsliceimageisanimportantindexofthedegreeofhyporplasia．Becauseofthecomplexityofcomponents，classiccomputerautomaticrecognitionmethodshavepoorefect．Inthispaper，anewautomaticedgedetectionmethodofnucleatedcellsbasedoni

4、mprovedcellularneuralnetworks(ICNN)Wasproposed．First，thenewformofICNNWassetupanditsstableconditionWasprovedaswel1．Aimingat，thisspoialapplicationsuitabletemplateparametersfortheedgedetectionofthenucleatedcellsweredesigned．ExperimentalresultsshowedthattheICNNcouldextracttheedges

5、ofnucleatedcellscorrectlyunderthecomplicatedbackgrounds．，I'IlecomparativelyhighrunningspeedisgmnedduetotheeasyhardwareimplementationandhighspeedofCNN．Keywords：cellularneuralnetworks；numberofnucleatedcells；edgedetection中图分类号TP751．1文献标识码A文章编号0258．8021【2008)01．0029．04神经网络“来进行骨髓有核

6、细胞边缘检测的新方引言法。首先改进了细胞神经网络的输出函数，证明了骨髓切片中有核细胞的数量是判断骨髓增生程该网络的稳定性，然后设计了合适的模板。实验结度的重要指标，它对血液病、肿瘤化疗、骨髓移植等果证明，这种方法可以在切片图像中，在淋巴细胞和患者的骨髓增生或恢复情况进行判读具有重要意细胞质同时存在的情况下，正确提取出有核细胞的义。骨髓切片成分复杂，不仅含有有核细胞，而且还边缘，从而为实现计算机自动计数创造良好的条件。有淋巴细胞、染色的细胞质等其他成分存在，普通的1细胞神经网络图像处理方法效果不甚理想(后文所述)，所以临床上采用的还是基于目测估计的方

7、法——低倍镜估计细胞神经网络(CNN)是一种功能强大、易于电法⋯。该方法很大程度上取决于医师的经验，往往路实现的非线性处理器阵列。它是局部连接的主观性强、随意性大，而且准确性和重复性差。反馈式神经网络，每个细胞只和邻域的细胞进行连针对以上的问题，本研究提出了一种采用细胞接，所以它比全局互联的神经网络具有更简单的结收稿日期：2006-09—06，修回日期：2007．11-12。*通讯作者。E-mail：fengq@nusa．edu．ca维普资讯http://www.cqvip.com30中国生物医学工程学报27卷构。而且，CNN具有并行处理的特点，非

8、常适合于大规模集成电路实现，在信号处理、图像处理等方面具有非常广阔的应用前景。一个标准的MXN的CNN阵列中，C(i，_『