基于先驗知識的BP神經(jīng)網(wǎng)絡(luò)圖像重建算法.pdf

1、隨著CT重建技術(shù)應(yīng)用越來越廣泛，對其重建速度和精度要求不斷提高，所以對其算法要求也不斷提高。特別是對于復(fù)雜場，改進的聯(lián)合代數(shù)重建算法，雖有較高的重建精度，但它需要反復(fù)迭代，不能實現(xiàn)動態(tài)場的實時監(jiān)控。頻譜圖像重建法有很高的數(shù)據(jù)處理速度，但重建精度低、穩(wěn)定性差，無法滿足實時測量需要。神經(jīng)網(wǎng)絡(luò)法更適合于這類復(fù)雜場的圖像重建，智能化、仿生化、并行處理及信息融合是層析成像圖像重建算法的發(fā)展趨勢。
　　人工神經(jīng)網(wǎng)絡(luò)是由許多具有并行處理功能的單

2、元構(gòu)成的網(wǎng)絡(luò)，因為其特別的結(jié)構(gòu)和具有強大的處理信息的功能，所以人們對于人工神經(jīng)網(wǎng)絡(luò)的研究火熱起來。人工神經(jīng)網(wǎng)絡(luò)有許多模型，其中應(yīng)用最為廣泛的是BP神經(jīng)網(wǎng)絡(luò)模型，BP神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的神經(jīng)網(wǎng)絡(luò)模型，其結(jié)構(gòu)簡單且在理論上可以逼近任意函數(shù)。將BP神經(jīng)網(wǎng)絡(luò)用在少數(shù)投影條件下的CT圖像重建中，不僅可以減少圖像重建的時間，而且能夠提高圖像重建的精度。然而經(jīng)典BP神經(jīng)網(wǎng)絡(luò)模型存在幾個明顯的缺點：收斂時間過長、局部容易陷入極小、網(wǎng)絡(luò)的泛化能力差等。對

3、于BP神經(jīng)網(wǎng)絡(luò)存在的缺陷，本文從以下幾個方面對基于先驗知識的BP神經(jīng)網(wǎng)絡(luò)進行研究：
　?。?）對BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)、算法過程進行分析，指出了BP神經(jīng)網(wǎng)絡(luò)固有的缺陷，在此基礎(chǔ)上，重點分析了加動量項法、自適應(yīng)學(xué)習(xí)速率法、彈性BP算法、擬牛頓法、共軛梯度法、LM法等當(dāng)前的幾種改進方法。
　　（2）提出一種新的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建方法即基于先驗知識的BP神經(jīng)網(wǎng)絡(luò)算法。該方法的具體內(nèi)容是將先驗知識應(yīng)用到BP神經(jīng)網(wǎng)絡(luò)模型的確定、激勵函數(shù)

4、的選擇、網(wǎng)絡(luò)權(quán)值的初始化、網(wǎng)絡(luò)對樣本的學(xué)習(xí)中。
　?。?）構(gòu)建出一種基于先驗知識的BP神經(jīng)網(wǎng)絡(luò)模型并應(yīng)用到CT圖像重建中。該模型將原始圖像的投影值作為網(wǎng)絡(luò)的輸入數(shù)據(jù)，重建圖像的投影值作為網(wǎng)絡(luò)的輸出數(shù)據(jù)，所求的重建圖像為網(wǎng)絡(luò)的隱含層數(shù)據(jù)。該模型由圖像重建理論出發(fā)，用投影系數(shù)矩陣作為神經(jīng)網(wǎng)絡(luò)的隱含層和輸出層之間的權(quán)值矩陣，在網(wǎng)絡(luò)的訓(xùn)練中只用調(diào)節(jié)輸入層和隱含層之間的權(quán)值，這樣可以減少網(wǎng)絡(luò)的運算量從而加快網(wǎng)絡(luò)的收斂速度。將本文提出的基于先