文献

J-GLOBAL ID：201902212872776649   整理番号：19A0027162

最大エントロピーを組み合わせた改良型ウェーブレット神経回路網医用画像分割アルゴリズム【JST・京大機械翻訳】

An improved wavelet neural network medical image segmentation algorithm with combined maximum entropy

著者 (5件)： Hu Xiaoqian (Department of Electronic Engineering and Jnformation, University of Science and Technology of China, Hefei 230065, China) ,  Tao Jinxu (Department of Electronic Engineering and Jnformation, University of Science and Technology of China, Hefei 230065, China) ,  Ye Zhongfu (School of Electrical Engineering and Automation Hefei University of Technology Hefei 230065, China) ,  Qiu Bensheng (School of Electrical Engineering and Automation Hefei University of Technology Hefei 230065, China) ,  Xu Jinzhang (School of Electrical Engineering and Automation Hefei University of Technology Hefei 230065, China)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 1967  号： 1  ページ： 020050-020050-8  発行年： 2018年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 医用画像セグメンテーションの問題を解決するために,組合せ最大エントロピー基準に基づくウェーブレットニューラルネットワーク医用画像セグメンテーションアルゴリズムを提案した。まず第一に,著者らは,ウェーブレットニューラルネットワークのネットワークパラメータを最適化するためにミツバチコロニーアルゴリズムを使用して,ネットワーク構造のパラメータ,初期の重みと閾値などを得て,著者らは,訓練のとき,より高い精度に急速に収束することができて,相対的極値に落ちることを避けた。次に,自動的で正確なセグメンテーション効果を達成するために,分割画像の最大エントロピーを計算することによって,反復の最適数を得た。医用画像セグメンテーション実験は,提案したアルゴリズムがサンプル訓練時間を効果的に減少させ,収束精度を改善し,セグメンテーション効果が従来のBPニューラルネットワーク(逆伝搬ニューラルネットワーク:誤差逆伝搬アルゴリズムに従って訓練された多層フィードフォワードニューラルネットワーク)よりも正確で効果的であることを示した。Copyright 2019 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *波束 ,  多層 ,  *画像 ,  セグメンテーション ,  *神経回路網 ,  ミツバチ ,  *アルゴリズム ,  最適化 ,  高速度 ,  *医用画像 ,  コロニー
準シソーラス用語： フィードフォワードニューラルネットワーク ,  逆伝搬アルゴリズム ,  医用画像セグメンテーション ,  *最大エントロピー , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 最大エントロピー ,  ウェーブレット ,  神経回路網 ,  医用画像 ,  アルゴリズム