基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别

• 作者: 周涛 夏勇 张飞飞 杨健 梁蒙蒙
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 粒子群算法 卷积核 卷积神经网络 肺部肿瘤 医学图像
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 77-84
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2018.191

摘要

针对卷积核随机初始化以及梯度下降法训练卷积神经网络易陷入局部最值问题,提出粒子群算法优化卷积核(particle swarm optimization-convolution kernel,PSO-ConvK)的图像识别方法.使用参数迁移法构造卷积神经网络,并提取卷积核,利用PSO不断更新粒子的速度和位置,寻找全局最优值以初始化卷积核,将其传递到卷积神经网络,用肺部肿瘤数据训练卷积神经网络,结合梯度下降法修正网络权重,使得PSO算法的全局优化能力与梯度下降法的局部搜索能力相结合.试验通过批次大小、迭代次数以及网络层数3个角度验证方法的有效性,并与高斯函数优化卷积核进行对比.结果显示,PSO优化卷积核的识别率始终高于随机化卷积核和高斯卷积核,识别率最终达到98.3％,具有一定的可行性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏勇	西北工业大学计算机学院	20	147	6.0	12.0
2	周涛	宁夏医科大学公共卫生与管理学院	49	522	10.0	21.0
6	梁蒙蒙	宁夏医科大学公共卫生与管理学院	9	16	2.0	3.0
7	张飞飞	宁夏医科大学公共卫生与管理学院	9	17	2.0	3.0
8	杨健	宁夏医科大学公共卫生与管理学院	10	16	2.0	3.0