脈沖耦合神經(jīng)網(wǎng)絡在超聲圖像中的研究.pdf

1、隨著近年來各學科研究的飛速發(fā)展，人們對醫(yī)學圖像處理的要求也隨之增高。雖然目前已經(jīng)有很多學者針對醫(yī)學圖像的處理目的研究出一些相關的算法，但尋求速度快、精度高的圖像處理算法仍是目前醫(yī)學圖像處理的難點和熱點。脈沖耦合神經(jīng)網(wǎng)絡(Pulse Coupled Neural Network, PCNN)來自于研究人員對哺乳動物視覺皮層細胞的研究成果，通過對其脈沖同步現(xiàn)象進行觀察研究，總結出了PCNN的神經(jīng)元模型。目前，國內(nèi)外 PCNN的研究還處于起步

2、階段，還有待于進一步的擴展和深化。
　　本文在借鑒前人經(jīng)驗思想的基礎上，經(jīng)過分析比較現(xiàn)有文獻中的PCNN模型，選用了合理的PCNN簡化模型。然后將其應用到圖像處理中，在每一步處理中對模型中的各個參數(shù)進行分析研究，解決了PCNN模型在超聲圖像處理中的相關應用問題，進一步深化了對PCNN的理解。
　　本文結合PCNN和圖像處理的最新理論研究成果，開展了如下的研究工作：(1)針對受混合噪聲（脈沖噪聲和高斯噪聲）干擾的灰度圖像，提出

3、了基于簡化PCNN模型的綜合濾波算法。通過在實驗中與傳統(tǒng)降噪算法的比較得出，該算法不但能有效濾除混合噪聲的干擾，還能保護圖像中的邊緣和細節(jié)信息，降噪后圖像的主觀視覺效果較好，客觀評價指標性能較高，在信噪比和去噪能力方面都有一定的提高。
　　(2)將PCNN引入到醫(yī)學超聲圖像的處理領域，針對超聲圖像的成像特點，通過選擇適當?shù)腜CNN網(wǎng)絡參數(shù)，模擬人眼視覺特性，提出了一種基于PCNN的超聲圖像增強算法。經(jīng)過計算機仿真表明，使用本文的增

4、強算法能夠得到比傳統(tǒng)經(jīng)典算法更好的處理結果，能為臨床提供內(nèi)容清晰的超聲圖像，便于醫(yī)生診斷觀察以及對超聲圖像的進一步分析處理。本方法對于后續(xù)的醫(yī)學圖像的病灶自動分割有著重要的意義，大大提高計算機輔助診斷的正確率。
　　(3)提出了針對超聲圖像病灶區(qū)域的分割算法。針對以往基于PCNN的分割算法網(wǎng)絡參數(shù)難以確定的問題，結合粒子群算法的自動尋優(yōu)能力，同時以改進的最大熵函數(shù)作為適應度函數(shù)，在熵函數(shù)達到最大時，自動終止迭代過程，省去了人工交互