肿瘤诊断
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
15
线性可分集合
16
三维空间上的两类模式
17
（3） 可引伸到n>3维空间上的线性可分集合，一定可找到一超平 面，将输入模式分为两类。由n输入/单输出的单层感知器实现。
线性不可分集合。 二维平面上的两类模式——异或（XOR）问题，见表。 二维平面中不存在一条直线，将输入模式分为两类，此输入模式称线性 不可分集合，见图。 可见：单层感知器不能解决异或问题。
对称型阶跃函数
图2-2-3
wk.baidu.com11
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。
12
单层感知器
单层感知器
13
学习算法步骤：
14
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
肿瘤诊断
2020/9/9
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
2
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
3
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
4
生物神经元结构
（1）细胞体 （2）树突 （3）轴突 （4）突触：可塑性
5
神经元功能
（1）兴奋与抑制： （2）学习与遗忘：
6
MP神经网络模型
（a）
图2-2-2 MP神经元模型
7
MP神经网络模型另一式：
8
作用函数的形式
9
10
18
多层感知器
19
三层感知器解决异或（XOR）问题
20
敛，不能进行正确分类。
15
线性可分集合
16
三维空间上的两类模式
17
（3） 可引伸到n>3维空间上的线性可分集合，一定可找到一超平 面，将输入模式分为两类。由n输入/单输出的单层感知器实现。
线性不可分集合。 二维平面上的两类模式——异或（XOR）问题，见表。 二维平面中不存在一条直线，将输入模式分为两类，此输入模式称线性 不可分集合，见图。 可见：单层感知器不能解决异或问题。
对称型阶跃函数
图2-2-3
wk.baidu.com11
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。
12
单层感知器
单层感知器
13
学习算法步骤：
14
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
肿瘤诊断
2020/9/9
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
2
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
3
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
4
生物神经元结构
（1）细胞体 （2）树突 （3）轴突 （4）突触：可塑性
5
神经元功能
（1）兴奋与抑制： （2）学习与遗忘：
6
MP神经网络模型
（a）
图2-2-2 MP神经元模型
7
MP神经网络模型另一式：
8
作用函数的形式
9
10
18
多层感知器
19
三层感知器解决异或（XOR）问题
20