基于反卷积神经网络的脑脊液图像快速识别模型

黄文明　冷金强　邓珍荣　徐双双　雷茜茜

(桂林电子科技大学计算机科学与工程学院　广西 桂林 541004)



基于反卷积神经网络的脑脊液图像快速识别模型

黄文明冷金强*邓珍荣徐双双雷茜茜

(桂林电子科技大学计算机科学与工程学院广西 桂林 541004)

摘要提出一种基于反卷积神经网络的脑脊液CSF(Cerebrospinal Fluid)图像快速识别模型。该模型使用无监督学习方法从底层边缘特征到高层对象部分连接对整个图像进行图片特征表述。此外，对不变性、多层模型中层与层如何直接训练等基本问题设计了一系列方法，如引入开关变量，计算每一幅图片试用的滤波器，并允许对每一层的图片单独训练，都提高了学习的鲁棒性。实验结果表明，该模型大大改进了脑脊液细胞图像识别的准确率，同时提高了训练效率。

关键词反卷积神经网络特征提取脑脊液图像识别分类线性支持向量机

0引言

检查脑脊液CSF，在临床上有助于中枢神经神经系统及全身相关疾病的诊断。传统脑脊液细胞液检验分三个步骤：第一，使用脑脊液细胞玻离仪收集脑脊液细胞；第二，在显微镜下染色；第三，根据细胞大小以及细胞核的颜色、形状、纹理、细胞浆内所含颗粒的大小及颜色等来观察脑脊液中细胞形状和成分的变化[1]。脊液细胞的数量少，种类多，变化大，形态各异，在整个用人工目测的过程，难免会存在很大的误差。而且长期在显微镜下观察会对检测人员的身体造成一定的伤害[1,2]。

除……