[發明專利]使用非線性和非負稀疏表示的醫學模式分類

有效

• 申請號: 201580080661.2
• 申請日: 2015-06-04
• 公開（公告）號: CN107667381B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: H.阮;S.K.周
• 申請（專利權）人: 西門子保健有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 徐紅燕;劉春元

1.一種使用非線性稀疏表示來對信號進行分類的方法，所述方法包括：

基于多個訓練信號來學習多個非線性字典和多個相應稀疏編碼，其中（i）每個相應的非線性字典對應于多個類別標簽中的一個和（ii）在學習期間將非負約束應用于稀疏編碼；

針對所述多個非線性字典中的每一個在測試信號上執行非線性稀疏編碼過程，由此將所述多個非線性字典中的每一個與所述測試信號的不同稀疏編碼相關聯，其中將非負約束應用于在非線性稀疏編碼過程期間與多個非線性字典的每個相關聯的測試信號的不同稀疏編碼的每個值；

對于包括在多個非線性詞典中的每個相應的非線性字典，測量重建誤差，其中，用于每個非線性字典的重建誤差為 （a）測試信號的非線性變換與（b）非線性字典與和該非線性字典相關聯的不同稀疏編碼的乘積之間的差的矩陣范數；

識別與所述多個非線性字典之中的針對所述重建誤差的最小值相對應的特定非線性字典；以及

將與所述特定非線性字典相對應的類別標簽分配給所述測試信號。

2.根據權利要求1所述的方法，還包括：

在構建所述多個非線性字典之前，裁剪所述多個訓練信號的子集。

3.根據權利要求2所述的方法，其中，通過以下操作來裁剪包括在所述多個訓練信號的子集中的每個相應測試信號：

識別相應訓練信號中的感興趣區域；和

丟棄相應訓練信號的在所述感興趣區域外的部分。

4.根據權利要求3所述的方法，其中，所述多個訓練信號包括多個解剖圖像，并且所述方法還包括：

基于用戶供應的感興趣解剖區域的指示來識別相應訓練信號中的所述感興趣區域。

5.根據權利要求1所述的方法，其中，所述多個訓練信號和所述測試信號各自包括使用磁共振成像所獲取的k空間數據集。

6.根據權利要求5所述的方法，其中，所述分類標簽包括對在所述測試信號中描繪的感興趣解剖區域中存在的疾病的指示。

7.根據權利要求1所述的方法，還包括：

利用所述分類標簽的指示來顯示對應于所述測試信號的圖像。

8.一種使用非線性稀疏表示對信號進行分類的方法，所述方法包括：

接收多個非線性字典，每個相應的非線性字典對應于多個類別標簽中的一個；

使用磁共振成像設備獲取對象的測試圖像數據集；

針對所述多個非線性字典中的每一個在所述測試圖像數據集上執行非線性稀疏編碼過程，從而將所述多個非線性字典中的每一個與所述測試圖像數據集的不同稀疏編碼相關聯，其中將非負約束應用于在非線性稀疏編碼過程期間與多個非線性字典的每個相關聯的測試信號的不同稀疏編碼的每個值；

對于包括在多個非線性詞典中的每個相應的非線性字典，測量重建誤差，其中，用于每個非線性字典的重建誤差為 （a）測試信號的非線性變換與（b）非線性字典與和該非線性字典相關聯的不同稀疏編碼的乘積之間的差的矩陣范數；

識別與所述多個非線性字典之中的針對所述重建誤差的最小值相對應的特定非線性字典；

向所述測試圖像數據集識別與所述特定非線性字典相對應的特定類別標簽。

9.根據權利要求8所述的方法，還包括：

使用優化過程來基于多個訓練圖像來學習所述多個非線性字典。

10.根據權利要求9所述的方法，還包括：

在使用所述優化過程之前，裁剪所述多個訓練圖像的子集。

11.根據權利要求10所述的方法，其中，通過以下步驟來裁剪包括在所述多個訓練圖像的子集中的每個相應測試圖像數據集：

識別在所述多個訓練圖像的所述子集中的感興趣區域；和

丟棄所述多個訓練圖像的所述子集的在感興趣區域外的部分。