基于卷积神经网络的婴儿大脑图像分割ppt课件.pptx_第1页
基于卷积神经网络的婴儿大脑图像分割ppt课件.pptx_第2页
基于卷积神经网络的婴儿大脑图像分割ppt课件.pptx_第3页
基于卷积神经网络的婴儿大脑图像分割ppt课件.pptx_第4页
基于卷积神经网络的婴儿大脑图像分割ppt课件.pptx_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于卷积神经网络的婴儿大脑图像分割 Deepconvolutionalneuralnetworksformulti modalityisointenseInfantbrainimagesegmentation 1 介绍 2 神经网络的构造 3 神经网络的训练 4 实验结果及对比 5 本文的总结 介绍 卷积神经网络是深度学习中最成功的模型之一 在图像处理中能够取得非常好的效果 本文中使用卷积神经网络来分割婴儿大脑 首先是很多方法分割的婴儿大脑是adult like时期的 而本文则是在同强度时期的 其次 也有一些方法的前提假设是所有组织都使用高斯分布建模 不适用这个时期的大脑组织 最后 还有一些方法是使用单模态图像 如仅使用T1或T2或FA 本文则是使用多模态 卷积神经网络的结构 整个网络结构包括3个卷积层和一个全连接层 还有一个localresponsenormalization和soft max 卷积神经网络的结构 卷积层 卷积层的操作是使用5 5像素大小的卷积核进行卷积 卷积完后使用ReLU rectifiedlinearunit 进行处理 ReLU的作用是加快神经网络的训练速度 此外 为了减少过度拟合 采用 dropout 的方法 localresponsenormalization 该层的处理公式如下 Theconstantsk n and arehyper parameterswhosevaluesaredeterminedusingavalidationset k 2 n 5 10 4 0 75 OntheCIFAR 10dataset afour layerCNNachieveda13 testerrorratewithoutnormalizationand11 withnormalization 卷积神经网络的结构soft max Soft max解决多分类问题 公式如下 首先使用高斯分布初始化神经网络的所有权值 将偏置初始化为1 因为使用的是soft max分类 所以训练使用的损失函数是交叉熵损失 训练方法采用随机梯度下降方法 神经网络的训练 实验结果对比包括以下几方面 1 patch大小不同 分割效果对比2 多模态同单模态的分割效果对比3 不同方法的分割效果对比 实验结果及对比 对比采用dice系数和Hausdorff距离 实验结果及对比 实验结果及对比 实验结果及对比 实验结果及对比 实验结果及对比
人人文库> 全部分类> 专业文献 > 医学资料

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论