[發明專利]使用圖像分類的自動腦腫瘤診斷方法和系統

在審

• 申請號: 201680015611.0
• 申請日: 2016-03-24
• 公開（公告）號: CN107533649A
• 公開（公告）日: 2018-01-02
• 發明（設計）人: 萬韶華;孫善輝;蘇巴布拉塔·巴塔查里亞;陳德仁;阿里·卡門
• 申請（專利權）人: 西門子公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 余剛,李慧

1.一種用于對一個或多個顯微內鏡圖像中的組織進行分類的方法，包括：

從顯微內鏡圖像中提取局部特征描述符；

使用學習的判別字典對每個所述局部特征描述符進行編碼，其中，所述學習的判別字典包括類別特定子字典，并懲罰與不同類別相關聯的子字典的基礎之間的相關性；以及

使用基于編碼的局部特征描述符的、訓練的機器學習型分類器對所述顯微內鏡圖像中的組織進行分類，其中使用學習的判別字典從對每個所述局部特征描述符進行編碼得到所述編碼的局部特征描述符。

2.根據權利要求1所述的方法，其中，所述顯微內鏡圖像為使用CLE探針獲得的共焦激光顯微內鏡(CLE)圖像。

3.根據權利要求1所述的方法，還包括：基于從訓練圖像中提取的局部特征描述符學習所述學習的判別字典。

4.根據權利要求3所述的方法，其中，基于從訓練圖像中提取的局部特征描述符學習所述學習的判別字典包括：學習類別特定的子字典和重構系數，所述類別特定的子字典和重構系數針對多個類別中的每個類別最小化從使用所有基礎的那個類別的訓練圖像中提取的局部特征描述符的總重構殘差和從使用與該類別相關聯的子字典基礎的類別的訓練圖像中提取的局部特征描述符的重構殘差，并且懲罰從使用與該類別不相關聯的子字典基礎的類別的訓練圖像中提取的局部特征描述符的重構。

5.根據權利要求4所述的方法，其中，學習所述類別特定子字典和重構系數包括：在彈性網絡正則化下學習所述類別特定子字典和重構系數。

6.根據權利要求5所述的方法，其中，學習所述類別特定子字典和重構系數包括：通過以下方式迭代地優化目標函數：

通過固定的判別字典更新從每個類別的每個訓練圖像提取的所述局部特征描述符的重構系數，以及

通過固定的重構系數更新每個類別特定子字典中的基礎。

7.根據權利要求1所述的方法，其中，使用學習的判別字典編碼每個所述局部特征描述符包括：使用所述學習的判別字典確定重構每個局部特征描述符的重構系數。

8.根據權利要求7所述的方法，其中，使用基于編碼的局部特征描述符的、訓練的機器學習型分類器對所述顯微內鏡圖像中的組織進行分類包括以下步驟，其中使用學習的判別字典從對每個所述局部特征描述符進行編碼得到所述編碼的局部特征描述符：基于為每個局部特征描述符確定的重構系數，使用訓練的機器學習型分類器對所述顯微內鏡圖像中的組織進行分類。

9.根據權利要求7所述的方法，其中，使用所述學習的判別字典來確定重構每個所述局部特征描述符的重構系數包括：使用所述學習的判別字典確定在彈性網絡正則化項下對每個局部特征描述符進行編碼的重構系數。

10.根據權利要求7所述的方法，其中，使用所述學習的判別字典來確定重構每個所述局部特征描述符的重構系數包括：通過所述學習的判別字典中最近的字典基礎確定對每個所述局部特征描述符進行編碼的重構系數。

11.根據權利要求7所述的方法，其中，使用所述學習的判別字典來確定重構每個所述局部特征描述符的重構系數包括：使用所述學習的判別字典在局部約束線性正則化項下確定對每個局部特征描述符進行編碼的重構系數。

12.根據權利要求7所述的方法，其中，使用所述學習的判別字典來確定重構每個所述局部特征描述符的重構系數包括：使用所述學習的判別字典在局部約束稀疏正則化項下確定對每個局部特征描述符進行編碼的重構系數。

13.根據權利要求7所述的方法，其中，使用所述學習的判別字典來確定重構每個所述局部特征描述符的重構系數包括：使用所述學習的判別字典在局部約束彈性網絡正則化項下確定對每個局部特征描述符進行編碼的重構系數。

14.根據權利要求1所述的方法，其中，所述訓練的機器學習型分類器為支持向量機(SVM)。

15.根據權利要求1所述的方法，還包括：重復以下步驟：提取局部特征描述符的步驟，使用學習的判別字典對每個所述局部特征描述符進行編碼，并且針對顯微內鏡視頻流中的多個顯微內鏡圖像中的每個顯微內鏡圖像的所述顯微內鏡圖像中的組織進行分類；以及

基于所述顯微內鏡視頻流中的多個顯微內鏡圖像中的每個顯微內鏡圖像中的組織的分類，對所述顯微內鏡視頻流中的組織進行分類。