基于布谷鸟搜索和深度信念网络的肺部肿瘤图像识别算法

作者：杨健; 周涛^*; 郭丽芳; 张飞飞; 梁蒙蒙

来源：计算机应用, 2018, 38(11): 3225-3230.

• 布谷鸟搜索算法
• 深度信念网络
• 受限玻尔兹曼机
• 肺部肿瘤
• 图像识别

针对深度信念网络(DBN)权值随机初始化易使网络陷入局部最优的问题,在传统DBN模型中引入布谷鸟搜索(CS)算法,提出一种基于CS-DBN的肺部肿瘤图像识别算法。首先,利用CS的全局寻优能力对DBN的初始权值进行优化,并在此基础上进行DBN的逐层预训练;然后,利用反向传播(BP)算法对整个网络进行微调,从而使网络权值达到最优;最后,将CS-DBN应用于肺部肿瘤图像的识别,实验从受限玻尔兹曼机(RBM)训练次数、训练批次大小、DBN隐层层数和隐层节点数四个角度将CS-DBN与传统DBN进行比较,以验证该算法的可行性和有效性。实验结果表明,CS-DBN的识别精度明显高于传统DBN,在不同RBM训练次数、训练批次大小、DBN隐层层数和隐层节点数条件下,CS-DBN较传统DBN识别率提高百分点的范围分别是1.13～4.33、2.00～3.34、1.07～3.34和1.40～3.34。CS-DBN能够在一定程度上提高肺部肿瘤的识别精度,从而提高肺部肿瘤计算机辅助诊断性能。

• 单位
  宁夏医科大学