基于改进的L-BFGS稀疏降噪自编码网络的MRI脑图像识别方法

摘要

随着人类科技的飞速发展以及医学影像设备的不断更新,医学影像技术在脑部病变的辅助诊断中起到了越来越重要的作用,为此,提出一种基于改进的L-BFGS稀疏降噪自编码网络模型(ILSDAE),并将其应用于MRI脑图像的阿尔茨海默病的识别与脑部疾病的辅助诊断.实验数据源取自ADNI数据集,经过校正、配准、分割、平滑等操作,获得脑部灰质图像,随后将改进的无监督贪婪预训练方法和L-BFGS算法相结合,对深度自编码网络进行训练并通过Softmax回归训练学习特征,从而实现对病症患者脑部图像的识别.ILSDAE网络模型具有很好的鲁棒性,与堆栈式自编码和自学习方法相比,实验结果证明了所提方法的有效性.