本文中所設計的神經網絡分類器，輸入層15個節點、隱含層30個節點、輸出層2個節點。細胞樣本共161例，使用87例細胞樣本數據對人工神經網絡的權值進行訓練。當誤差小於規定值後，再用剩餘的74例數據樣本對人工神經網絡進行測試。主要采取的算法是增加動量的BP算法。經實驗，應用人工神經網絡模型識別每張圖片每個細胞，選出128個最有可能的異常細胞圖。通過大量實驗對比訓練樣本識別率最高達96.6%，測試樣本識別率最高達87.8%，總體樣本識別率最高達92.5%。
由實驗可以看出增加動量的BP算法（BP標準算法）的學習次數適中，分類基本準確。增加學習速率可以加快收斂的速度，但同時也看到由於學習速率過大，而導致係統的不穩定，引起震蕩。所以在增加學習不長的同時，動向量不能夠過大，否則會引起震蕩，影響分類的準確率。使用增加動量的BP算法對子宮頸癌細胞的識別效果比較理想，這在醫學研究以及臨床診斷方麵具有一定的現實意義及比較廣闊的應用背景。
參考文獻
[1]何苗.徑向基人工神經網絡在宮頸細胞圖像識別中的應用[J].中國醫科大學學報，2006，35（1）.
[2]刑仁傑.計算機圖像處理[M].浙江：浙江大學出版社，1990：32-67.
[3]時淑舫.計算機輔助細胞檢測方法在宮頸細胞學檢查中的應用價值[J].臨床和實驗醫學雜誌，2003，2（2）.
[4]魏萍.應用計算機輔助細胞檢測係統對子宮頸塗片診斷的分析[J].中山醫科大學學報，2000，21（3）.
作者簡介：馬瑾（1980—），中國醫科大學基礎醫學院計算機教研室講師。