基于Spiking神經(jīng)網(wǎng)絡(luò)的白血病細(xì)胞圖像邊緣檢測.pdf

1、由于傳統(tǒng)的白血病診斷方式存在一些缺陷,本文以白血病細(xì)胞圖像為研究對象,結(jié)合數(shù)字圖像處理技術(shù)等學(xué)科的相關(guān)知識,通過Matlab數(shù)學(xué)建模,進(jìn)行白細(xì)胞與背景的分離及白細(xì)胞的分割,以期為最終實(shí)現(xiàn)白血病的計(jì)算機(jī)自動診斷、分類識別完成至關(guān)重要的一步。
　　 首先,運(yùn)用空域處理及頻域處理法對白血病細(xì)胞圖像進(jìn)行預(yù)處理,去除噪聲,并將白細(xì)胞與背景分離開來。其次,運(yùn)用閾值分割、基于區(qū)域的分割、邊緣檢測、基于分水嶺變換的分割等傳統(tǒng)的圖像分割算法對白細(xì)

2、胞圖像進(jìn)行分割,通過對分割結(jié)果的分析,得出其優(yōu)缺點(diǎn)。最后,介紹了根據(jù)模擬生物大腦視覺皮層神經(jīng)網(wǎng)絡(luò)的活動而建立的第三代人工神經(jīng)網(wǎng)絡(luò)--spiking神經(jīng)網(wǎng)絡(luò)(Spiking Neural Network,SNN),討論了基于電導(dǎo)率的IF神經(jīng)元模型(integrate-and-fire neuron model),并將該神經(jīng)網(wǎng)絡(luò)應(yīng)用于白細(xì)胞圖像的邊緣檢測。
　　 本課題對白血病細(xì)胞圖像進(jìn)行預(yù)處理,實(shí)現(xiàn)了白細(xì)胞與背景的分離,并在國內(nèi)首