基于卷积受限玻尔兹曼机的医学图像分类新方法
【出 处】:
【作 者】:
张娟
蒋芸
胡学伟
肖吉泽
西北师范大学计算机科学与工程学院
甘肃兰州730070
【摘 要】利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。
相关热词搜索: 医学图像分类 卷积受限玻尔兹曼机 快速持续对比散度 分类精度
上一篇:基于加速度传感器的人体跌倒检测方法
下一篇:一种改进的快速SLIC分割算法