基于深度神經網絡的腦脊液圖像識別技術研究.pdf

1、深度學習是機器學習領域的一個重要的研究方向，它強大的特征學習能力在語音領域以及自然語言處理領域都取得比較好的成果。深度神經網絡即多層次的神經網絡結構模型，它是深度學習的重要的研究方法，其在圖像檢測、圖像識別、視頻跟蹤等方面中的應用成為了一個研究熱點。
　　顯微鏡下的腦脊液圖像由各種細胞組成，其拓撲結構復雜多變，采用傳統(tǒng)圖像分割算法需要對目標進行高精度完整的分割，才能準確的提取到人為事先定義的特征。深度學習方法進行腦脊液細胞分類，可

2、直接把整張圖片作為輸入進行學習得到特征,這樣減少了信息的丟失。
　　本文針對腦脊液圖像的特點，深入研究和分析了深度神經網絡中反卷積神經網絡模型進行腦脊液細胞分類。反卷積模型使用無監(jiān)督學習方法從底層邊緣特征到高層對象部分連接對整個圖像進行圖片特征表述。此外，對不變性、多層模型中層與層如何直接訓練問題設計了相對應的方法，如引入了開關變量，計算每一幅圖片濾波器。實驗結果表明，本文所提出的模型對腦脊液細胞圖像識別具有較好的效果。