研究文章
一个交互式医学图像分割框架使用与卷积神经网络优化的群体智慧
|
输入:EM⟶增强医学图像 |
|
输出:BM和调频(ROI)⟶背景和前景 |
|
开始杂交 |
|
应用FCM和创建BM和ROI |
|
优化ROI,这里我们使用CNN和首先我们需要初始化使用时期,迭代和神经元(N)等。 |
|
因为我=1⟶T=行×上校。 |
|
如果他们(我)属于BM |
|
组(1)=背景 |
|
/ / EM属于ROI |
|
组(2)=前景 |
|
如果 |
|
—— |
|
调用模式净CNN培训系统使用BM和ROI数据 |
|
FCM-CNN = Pattern-net(神经元) |
|
FCM-CNN =火车(FCM-CNN、EM组) |
|
投资回报率= Sim (FCM-CNN ROI数据) |
|
如果投资回报率(像素)=ROI |
|
投资回报率= EM |
|
其他的 |
|
BM = EM |
|
如果 |
|
返回:BM和ROI作为提高医学图像的分割背景和前景 |
|
End-Algorithm |
|
