Zvezda

初步交流 神经网络与机器学习在图像识别中的应用 Dario GALIĆ*、Zvezdan STOJANOVIĆ、Elvir ČAJIĆ

初步交流 神经网络和机器学习在图像识别中的应用 Dario GALIĆ*、Zvezdan STOJANOVIĆ、Elvir ČAJIĆ 摘要：人工神经网络在各个领域都有广泛的应用，包括复杂的机器人技术、计算机视觉和分类任务。它们旨在模仿人类大脑高度复杂、非线性和并行的计算能力。就像大脑中的神经元一样，人工神经网络可以组织起来执行快速而具体的计算，例如感知和运动控制。从生物神经网络的行为及其学习和自适应能力中汲取灵感，这些技术对应物已被开发出来以模拟生物系统的特性。本文主要集中在两个领域。首先，它探索了使用人工神经网络对健康个体进行图像识别的近似方法。其次，它研究了与影响全球人口的常见肾脏疾病相关的肾脏疾病的识别。具体来说，本文研究了多囊肾病、肾囊肿和肾癌。最终目标是利用机器学习算法通过分析各种样本来帮助诊断肾脏疾病。 关键词：图像识别；医学诊断；神经网络 1 引言 神经网络的灵感来源于信息处理的生物过程，特别是神经系统中观察到的过程，其中基本单位是神经元或神经细胞（如图 1 所示）。神经元是神经组织（包括大脑）的基本功能组成部分。它由细胞体（也称为胞体）组成，细胞核就藏在细胞体里。从细胞体延伸出来的是无数的纤维，称为树突，在细胞周围形成复杂的网络状结构，还有一条细长的纤维，称为轴突。轴突可以延伸很长的距离，通常可达一厘米，在极端情况下甚至可以达到一米。此外，轴突分支成结构和子结构，与其他神经元的树突和细胞体建立连接。神经元之间的这些互连连接点称为突触 [1]。每个神经元都会与其他神经元形成突触，突触的数量从几十到几十万不等。一般来说，当神经元处于静止状态时，它会接收通过树突从其他神经元传输的电化学脉冲形式的信号。