1、腫瘤細胞圖像是一種醫(yī)學圖像和自然圖像，具有高維復雜的特性，含有較多的冗余信息。目前針對醫(yī)學圖像的識別尤其是腫瘤細胞圖像的識別出現(xiàn)了各種不同的分類診斷方法，但一般的分類方法分類效果并不理想。為此，本文提出了一種基于壓縮感知和神經(jīng)網(wǎng)絡(luò)的腫瘤細胞圖像分類模型。該模型將壓縮感知(CS)和自組織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)結(jié)合起來，能夠快速有效地提取出腫瘤細胞圖像中的本質(zhì)特征，最終較好地實現(xiàn)腫瘤細胞圖像分類。其基本思想如下所述：
　　首先，

2、由于腫瘤細胞圖像的高維復雜的特征不利于圖像分類，因此在分類之前需要對其進行雙向二維主成成分分析(Bi2DPCA)降維操作處理，便于后續(xù)的特征提取和分類訓練。選擇兩次最佳投影維數(shù)實現(xiàn)腫瘤細胞的最佳降維，得到的降維圖像數(shù)據(jù)用以后續(xù)處理的數(shù)據(jù)輸入。
　　其次，由于壓縮感知具有克服傳統(tǒng)奈奎斯特采樣定理的限制，同時實現(xiàn)信號的采樣和壓縮的優(yōu)勢，因此用CS對腫瘤細胞圖像進行特征提取。通過圖像在信號稀疏基選擇、自適應(yīng)測量矩陣的設(shè)計及與其它常用的特

3、征提取方法的實驗對比，進一步說明壓縮感知較好的提取腫瘤細胞圖像本質(zhì)特征。同時，通過壓縮感知中常用信號重構(gòu)方法重構(gòu)圖像，更直觀地顯示圖像特征提取的效果。
　　再次，由于SOFM是一種自適應(yīng)無監(jiān)督訓練網(wǎng)絡(luò)，因此建構(gòu)基于CS和SOFM神經(jīng)網(wǎng)絡(luò)的腫瘤細胞圖像分類器模型。該模型以CS提取的本質(zhì)特征作為輸入層的數(shù)據(jù)輸入，利用自適應(yīng)的SOFM神經(jīng)網(wǎng)絡(luò)的學習算法進行訓練，能夠較好地將腫瘤細胞圖像分類為正常、癌變和增生三大類。經(jīng)過大量的對比實驗可知