基于 QSOFM的胃粘膜肿瘤细胞图像识别

• 作者: 甘岚 黄伟强
• 来源期刊: 计算机应用研究
• 关键词: 胃粘膜肿瘤细胞 识别率 量子自组织特征映射网络 主成分分析 无监督 有监督
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1907-1912
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.06.068

摘要

针对胃粘膜肿瘤细胞图像的高维性、不规则性及复杂性的特点，常用的分类方法识别率不高。为了提高识别率，提出了一种基于量子自组织特征映射神经网络（quantum self-organization feature mapping neural networks， QSOFM）的胃粘膜肿瘤细胞图像识别方法。该方法将经过主成分分析（principal component analysis，PCA）降维后的图像样本输入到 QSOFM中，对其进行无监督和有监督相结合的训练，使得每类胃粘膜肿瘤细胞图像对应精确和唯一的神经元，以此达到将胃粘膜肿瘤细胞图像分为癌、增生、正常三类细胞。实验结果表明，该识别方法在识别率和可靠性方面达到了良好的效果，相比于其他分类算法在识别率上有较大程度的提高，体现出 QSOFM在图像识别领域的应用潜力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘岚	华东交通大学信息工程学院	38	451	10.0	20.0
2	黄伟强	华东交通大学信息工程学院	1	7	1.0	1.0