2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、腦組織 MR圖像分割對諸如老年癡呆癥、多發(fā)性硬化、癲癇癥、精神分裂癥等腦部病灶的研究和診斷有著至關(guān)重要的作用,在去除腦殼的腦部 MR圖像中通過應(yīng)用不同標記來區(qū)分腦白質(zhì)(White-Matter,WM)、腦灰質(zhì)(Gray-Matter,GM)和腦脊髓液(Cerebrospinal Fluid,CSF)。當MR圖像存在噪聲如光強漸變時,現(xiàn)有多閾值灰度圖像分割方法難于對WM、GM以及CSF區(qū)域進行有效分割。
  當噪聲如光強漸變導(dǎo)致前景

2、與背景難于區(qū)分時,多閾值灰度圖像就會因未考慮鄰域像素空間相關(guān)性而分割失敗。為利用鄰域像素的空間相關(guān)信息,擬采用 Spike神經(jīng)網(wǎng)絡(luò)(Spike Neural Network,SNN)模擬像素及其之間的連接,利用SNN脈沖時間的同步與異步來分割腦組織不同區(qū)域。SNN采用精準脈沖時間編碼方式模擬生物特性的神經(jīng)元,比采用閾值和sigmoid等神經(jīng)元的傳統(tǒng)神經(jīng)網(wǎng)絡(luò)計算能力更強。
  采用高斯接受域的群體編碼將像素灰度值編碼成精準的SNN脈

3、沖時間,然后基于腦組織圖像的鄰域像素空間信息以及 SNN的時間編碼特性,構(gòu)造了基于延時Izhikevich神經(jīng)元的雙層反饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。在競爭處理層中采用興奮、抑制神經(jīng)元橫向連接(興奮與抑制神經(jīng)元數(shù)量為8:2),在競爭處理層與輸出結(jié)果層之間采用帶反饋的全連接方式,輸出結(jié)果層神經(jīng)元的個數(shù)則由待分割的區(qū)域數(shù)確定。
  利用腦組織圖像梯度信息初始化突觸間延時,基于winner-takes-all競爭思想并利用脈沖時間依賴可塑性(Spik

4、e Timing-Dependent Plasticity,STDP),實現(xiàn)了突觸之間權(quán)值的動態(tài)學(xué)習(xí)與調(diào)整。隨著動態(tài)學(xué)習(xí)與調(diào)整過程的進行,腦組織圖像相似部分的脈沖時間越來越同步,而不同部分的脈沖時間越來越異步。最終,不同脈沖時間解碼成腦組織的不同掩膜,即完成了腦組織圖像三個不同區(qū)域的分割。
  采用時鐘驅(qū)動和事件驅(qū)動相結(jié)合的方式編程并進行了仿真實驗,并與經(jīng)典的K-means和Kohonen神經(jīng)網(wǎng)絡(luò)圖像分割算法進行了對比。實驗表明,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論