利用像素特征的RBF神经网络的医学图像分类算法

　　人工神经网络中由元器件和物理处理单元构成。它是用来模拟人脑生物神经网络的结构和功能，试图将生物神经网络简单化、抽象化、模拟化，从而将其应用到其他工程领域中的计算机应用技术。

　　RBF 神经网络P3是前馈型神经网络中的一种新网络，具有结构简单、训练速度快、函数逼近能力和分类能力强等特点，由该网络构成的系统是有界的、稳定的。，RBF 神经网络的上述特点使得它在各个领域中都得到了广泛的应用。尤其在解决分类问题中，它的优势在于用线性的学习算法解决非线性算法所解决的工作。不仅可以保持结果的准确性，同时实现分类工作的高效性。文中提出一种基于RBF 神经网络的医学图像分类算法，该方法通过获取像素数据特征构建神经网络训练集对RBF 神经网络进行训练学习，完成学习训练后保存网络参数，再利用训练好的RBF 神经网络对整幅图像进行分类操作。通过实验表明，基于RBF 神经网络的医学图像分类算法能有效的区分医学图像中的不同结构，具有良好的分类结果。