基于深度学习网络的神经元自适应投影分类方法

• 作者: 王向文 蔺想红 郑鉴洋 马慧芳
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 神经元分类 自适应投影 卷积神经网络 门限循环单元
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1321-1329
• 页数: 9页
• 分类号: TP183
• 字数: 7678字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.07.010

摘要

传统的基于几何形态的神经元分类方法依赖于神经元空间结构特征的提取与选择,会损失大量有用的神经元分类信息.应用自适应投影算法将三维神经元进行转换,不需要提取神经元的几何特征,提出了一种基于深度学习网络的神经元几何形态分类方法.该方法将原始神经元数据进行三维体素重建,经过自适应投影过程构成二维神经元图像数据,并构建了基于双卷积门限循环神经网络的深度学习模型对神经元进行分类.将该方法应用于三种神经元分类数据集,通过与基于特征提取的神经元分类方法相比,实验结果表明该方法具有更高的分类准确率和良好的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔺想红	西北师范大学计算机科学与工程学院	28	207	8.0	13.0
2	马慧芳	西北师范大学计算机科学与工程学院	59	520	12.0	21.0
3	王向文	西北师范大学计算机科学与工程学院	4	56	1.0	4.0
4	郑鉴洋	西北师范大学计算机科学与工程学院	2	2	1.0	1.0