資源描述：
《人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用進(jìn)展》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、萬方數(shù)據(jù)·404·實(shí)用放射學(xué)雜志2008年3月第24卷第3期JPractRadiol，Mar．2008，V01．24，No．3plantpatients：CTfindings[J]．JComputAssistTomoF。1996，20[30](2)：295—299．[28]AquinoSL，KeeST，WarnoekML，eta1．Pulmonaryaspergillosis：imagingfindingswithpathologiccorrelation[J]．AJR，1994，163(4)：[31]811—815．[29]LoganPM，PrimackSL，MillerRR，eta1．1n
2、vasiveaspergillosisoftheairways：radiographic，CT，andpathologicfindings[J]．Radiology，[32]1994，193(2)：383—388．ZinckSE，LeungAN，F(xiàn)rostM，eta1．Pulmonarycryptococeosis：CTandpathologicfindings[J]．JComputAssistTomogr，2002，26(3)：330—334．LindellRM，HaRmanTE，NadrousHF。eta1．Pulmonarycryptococ—coals：CTfindingsinimmu
3、nocompetentpatients[J]．Radiology，2005。236(1)：326—331．FranquetT．Imagingofpneumonia：trendsandalgorithms[J]．EurRespirJ，2001。18(1)：196—208．人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用進(jìn)展ArtificialNeuralNetworkinApplicationofMedicalImaging苗廷巍綜述，伍建林審校(大連醫(yī)科大學(xué)附屬第一醫(yī)院放射科，遼寧大連116011)中圖分類號(hào)：R814．49；R81文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1002—1671(2008)03—0404—0420
4、世紀(jì)40年代初期，心理學(xué)家W．Mcculloch、數(shù)學(xué)家W．Pitts提出人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNet．work，ANN)最早的數(shù)學(xué)模型，從此開創(chuàng)了神經(jīng)科學(xué)理論的研究時(shí)代。人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)與發(fā)展，解決了對(duì)于那些利用其它信號(hào)處理技術(shù)無法解決的問題，已成為信號(hào)處理的強(qiáng)有力的工具。基于ANN技術(shù)基礎(chǔ)上的計(jì)算機(jī)輔助診斷(computer—aideddiagnosis，CAD)系統(tǒng)的開發(fā)和運(yùn)用也在醫(yī)學(xué)影像領(lǐng)域發(fā)揮了很大的作用。本文對(duì)ANN的工作原理以及在醫(yī)學(xué)影像學(xué)方面的臨床應(yīng)用進(jìn)展進(jìn)行綜述。1人工神經(jīng)網(wǎng)絡(luò)的原理¨’21ANN是在對(duì)人腦組織結(jié)構(gòu)和運(yùn)動(dòng)機(jī)制的認(rèn)識(shí)理解基礎(chǔ)上模擬其結(jié)構(gòu)
5、和智能功能而構(gòu)成的一種信息處理系統(tǒng)。高速信息處理能力、高容量知識(shí)存儲(chǔ)以及自我組織、自我學(xué)習(xí)是ANN的特點(diǎn)。正是這些特點(diǎn)使ANN成為一種具有高度非線性的超大規(guī)模連續(xù)時(shí)間動(dòng)力學(xué)系統(tǒng)。它突破了傳統(tǒng)的以線性處理為基礎(chǔ)的數(shù)字電子計(jì)算機(jī)的局限，是人們智能信息處理能力和模擬人腦智能行為能力的一大飛躍。1．1ANN基本原理人腦神經(jīng)系統(tǒng)的基本單元是神經(jīng)細(xì)胞，即生物神經(jīng)元，人腦約有10”個(gè)神經(jīng)元。每個(gè)生物神經(jīng)元由細(xì)胞體、樹突和軸突構(gòu)成，一般1個(gè)細(xì)胞體接受數(shù)個(gè)樹突輸入的信息，并經(jīng)過1個(gè)軸突輸出到其他神經(jīng)元。神經(jīng)元的連接靠突觸完成。人工神經(jīng)元是ANN的基本單元，實(shí)際上是1個(gè)多輸入單輸出的非線性閾值器件，如同生物神經(jīng)元
6、。神經(jīng)元的輸出可以收藕日期：2007—08—22作者簡介：苗延巍(1971一)，男，遼寧省大連市人。天津醫(yī)科大學(xué)畢業(yè)，博士在讀，副教授。表示為口=以EW；Pi一0)i‘。一=1P；為神經(jīng)元的輸入向量；W；表示其它神經(jīng)元與該神經(jīng)元的連接強(qiáng)度，即權(quán)值向量，可正可負(fù)，分別表示興奮性突觸和抑制性突觸；0為神經(jīng)元的閾值；，表示神經(jīng)元的傳輸函數(shù)，一般為單調(diào)升函數(shù)。當(dāng)神經(jīng)元的激活值(∑W；P；)超過閾值，就回發(fā)放興奮，激活值越大，發(fā)放的興奮脈沖數(shù)越多。單個(gè)人工神經(jīng)元往往不能完成對(duì)輸入信號(hào)的處理，要按一定的規(guī)則連接成網(wǎng)絡(luò)，并讓網(wǎng)絡(luò)中每個(gè)神經(jīng)元的權(quán)值和閾值按一定規(guī)則變化，才能實(shí)現(xiàn)預(yù)定的目標(biāo)。ANN的連接形式和其
7、拓?fù)浣Y(jié)構(gòu)主要有2種，即分層型和互連型神經(jīng)網(wǎng)絡(luò)。分層型神經(jīng)網(wǎng)絡(luò)比較常見，它將所有神經(jīng)元分為若干層，一般包括輸入層、中間層和輸出層。中間層不直接與外部輸入和輸出打交道，又稱隱層，隱層神經(jīng)元的數(shù)量可以選取。1．2ANN的訓(xùn)練與學(xué)習(xí)ANN必須經(jīng)過學(xué)習(xí)才能具有智能特性。ANN的學(xué)習(xí)過程就是調(diào)節(jié)權(quán)值和閾值的過程。學(xué)習(xí)的形式主要有3種：有教師學(xué)習(xí)、無教師學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。無論哪種方式，其學(xué)習(xí)都有一定規(guī)則，典型的包
