基于改进的L-BFGS稀疏降噪自编码网络的MRI脑图像识别方法

• 作者: 王婉秋 王慧 王新颖
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 阿尔茨海默氏症 L-BFGS 稀疏降噪自编码 MRI脑图像
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 专论:第21届中国计算机图形学大会(CHINAGRAPH 2018 广州)
• 页码范围: 261-266
• 页数: 6页
• 分类号: TP391
• 字数: 3943字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2019020261

摘要

随着人类科技的飞速发展以及医学影像设备的不断更新,医学影像技术在脑部病变的辅助诊断中起到了越来越重要的作用,为此,提出一种基于改进的L-BFGS稀疏降噪自编码网络模型(ILSDAE),并将其应用于MRI脑图像的阿尔茨海默病的识别与脑部疾病的辅助诊断.实验数据源取自ADNI数据集,经过校正、配准、分割、平滑等操作,获得脑部灰质图像,随后将改进的无监督贪婪预训练方法和L-BFGS算法相结合,对深度自编码网络进行训练并通过Softmax回归训练学习特征,从而实现对病症患者脑部图像的识别.ILSDAE网络模型具有很好的鲁棒性,与堆栈式自编码和自学习方法相比,实验结果证明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新颖	长春工业大学计算机科学与工程学院	10	17	3.0	3.0
2	王慧	长春工业大学计算机科学与工程学院	7	8	2.0	2.0
3	王婉秋	长春工业大学计算机科学与工程学院	1	0	0.0	0.0