肿瘤诊断相关资料.ppt

* 肿瘤诊断 第一页，共二十二页。 肿瘤细胞诊断 问题提出 肿瘤通过穿刺采样 （1）良性 （2）恶性 细胞核的特性 直径、质地、周长、面积、光滑度、紧密度、凹陷度、凹陷点数、对称度、断裂度 第二页，共二十二页。 实验数据 500个病例 每个病例包括10个特征量的平均值、标准差和最坏值 模型：30个特征数据 提取特征、分类识别 问题： 判断另外69名已经做穿刺采样的患者 良性、恶性 第三页，共二十二页。 数学方法 （1）统计方法 欧氏距离，马氏距离 （2）神经网络 学习识别 第四页，共二十二页。 生物神经元结构 （1）细胞体 （2）树突 （3）轴突 （4）突触：可塑性 第五页，共二十二页。 神经元功能 （1）兴奋与抑制： （2）学习与遗忘： 　　　 第六页，共二十二页。 MP神经网络模型 图2-2-2 MP神经元模型 （a） 第七页，共二十二页。 MP神经网络模型另一式： 第八页，共二十二页。 作用函数的形式 第九页，共二十二页。 第十页，共二十二页。 对称型阶跃函数 图2-2-3 　 第十一页，共二十二页。 感知器 感知器是模拟人的视觉，接受环境信息，并由神经冲动进行信息传递的神经网络。 感知器分单层与多层，是具有学习能力的神经网络。 第十二页，共二十二页。 单层感知器 单层感知器 第十三页，共二十二页。 学习算法步骤： 第十四页，共二十二页。 单层感知器的应用 两类模式分类 高维样本空间中，用一个超平面将两类样本分开。 若输入的两类模式是线性可分，则算法一定收敛。 局限性 若输入模式为线性不可分集合，网络的学习算法不收敛，不能进行正确分类。 第十五页，共二十二页。 线性可分集合 第十六页，共二十二页。 *