Застосування нейронних мереж для текстурної сегментації МРТ-знімків
DOI:
https://doi.org/10.18372/2073-4751.2.6474Анотація
Проведено аналіз існуючих методів побудови, топологій і методів навчання нейронних мереж для обробки зображень. Дані рішення дозволяють створити автоматичну систему діагностики захворювань на основі даних, отриманих із знімків магнітно-резонансної томографії. Вимогам системи діагностики задовольняють нейронні мережі з каскадною топологією або звичайні мережі з прямими зв'язками. У процесі моделювання в програмному пакеті MatLab v 6.5.2., були досліджені швидкість навчання мережі від кількості нейронів у схованому шарі і значення похибки розпізнавання даних мереж в залежності від шуму зображення. У результаті дослідження з'ясувалося, що найбільш швидко навчалась мережа з прямими зв'язками - 199 навчальних впливів при кількості нейронів у прихованому шарі 15. У свою чергу мережа з каскадними зв'язками менш чутлива до шуму
Посилання
Хайкин, Саймон. Нейронные се-ти: полный курс, 2e издание. : Пер. с анrл. М. Издательский дом "Вильямс", 2006. 1104 с. : ил. Парал. тит. анrл.
Rafael C. Gonzalez, Richard E. Woods. Digital Image Processing. Second Edition. Prentice Hall, 2002. – 812 p.
James G. Nagy and Misha E. Kilmer. Kronecker Product Approximation for Preconditioning in Three-Dimensional Imaging // IEEE Transaction on image processing, Vol. 15, No. 3, March 2006 p. 604-613
Zhao Songnian1, Zou Qi, Jin Zhen, Yao Guozheng, Yao Li. Neural computation of visual imaging based on Kronecker prod-uct in the primary visual cortex // Songnian et al. BMC Neuroscience 2010
Ahmed Kharat, Karim Gasmi. A Hybrid Approach for Automatic Classifica-tion of Brain MRI Using Genetic Algorithm and Support Vector Machine // Leonardo Journal of Sciences July-December 2010 p. 71-82
Ahmed Kharat, Karim Gasmi, Mo-hamed Abid. Automated Classification of Magnetic Resonance Brain Images Using Wavelet Genetic Algorithm and Support Vector Machine // Leonardo Journal of Sci-ences July-December 2011 p. 369-374
A. Ortiz, J. M. Gorriz, J. Ramirez, and D. Salas-Gonzalez. Unsupervised Neural Techniques Applied to MR Brain Image Segmentation // Hindawi Publishing Corpo-
ration Advances in Artificial Neural Systems Volume 2012, Article ID 457590, 7 pages
Amir Maleki Anvar, Alireza Mohammadi, Abdolhamid Pilevar. SOM Neural Network as a Method in Image Color Reduction // IJCSNS International Journal of Computer Science and Network Securi-ty,VOL.13 No.2, February 2013 p. 64-68
J. Jiang, P. Trundle∗, J. Ren. Medi-cal image analysis with artificial neural net-works // Computerized Medical Imaging and Graphics 34 (2010) 617–631
D. Jude Hemanth, C.Kezi Selva Vijila* and J.Anitha*. Application of Neuro-Fuzzy Model for MR Brain Tumor Image Classification // Biomedical Soft Computing and Human Sciences, Vol.16,No.1, 2010 pp.95-102
Дьяконов В.П., Круглов В.В. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Sim-ulink5/6. Инструменты искусственного интеллекта и биоинформатики. – М.: СОЛОН-ПРЕСС, 2006. – 456 с.
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.
Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).
Авторські права
Автори, які публікують свої роботи в журналі:
-
зберігають за собою авторські права на свої публікації;
-
надають журналу право на перше опублікування статті;
-
погоджуються на поширення матеріалів за ліцензією CC BY 4.0;
-
мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.
