[發明專利]醫學領域圖像語義相似度矩陣的改進算法

在審

• 申請號: 201811060272.5
• 申請日: 2015-07-27
• 公開（公告）號: CN109766904A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 王凱
• 申請（專利權）人: 蚌埠醫學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G16H30/20
• 代理公司: 合肥市科融知識產權代理事務所(普通合伙) 34126
• 代理人: 陳思聰

1.醫學領域圖像語義相似度矩陣的改進算法，其特征在于：通過計算機調取醫學領域圖像知識庫內數據，并按如下步驟進行處理：

步驟1.用貝葉斯概率模型對醫學領域圖像知識庫中的領域圖像進行語義信息的標注，并對標注詞賦以權值，獲得賦有權值的標注詞；將賦有權值的標注詞的集合記為“語義向量空間”；

步驟2.對由步驟1獲得的賦有權值的標注詞提取離散化的特征，獲得包含離散化特性的賦權標注詞；即該包含離散化特性的賦權標注詞與對應的領域圖像一一對應；所述包含離散化特性的賦權標注詞的集合稱為“圖像屬性的語義空間”；

步驟3.對步驟2所獲得的“圖像屬性的語義空間”進行約簡處理，獲得特征屬性，由特征屬性構建維度最簡的約簡集；所述約簡包括四個步驟：構造可辨識差別矩陣，求解可辨識差別矩陣的核，刪除可辨識矩陣的差別屬性項，獲得維度最簡的約簡集；

步驟4.由步驟3獲得的維度最簡的約簡集構建領域圖像語義相似度的計算模型，通過領域圖像語義相似度的計算模型獲得醫學領域圖像語義相似度矩陣；

步驟2具體按如下步驟進行：

S21：將語義向量空間中的圖像固有屬性按的出現次數從小到大排序，并將相鄰屬性值劃分為一個等價類；基于條件語義屬性，遍歷出上述等價類之間的區域臨界點，并以此作為初始語義屬性的起點區間，計算獲得條件決策熵；

S22：對區域臨界點與決策熵進行比較：對相鄰區間端點決策熵的數值做差，若左端點決策熵小于右端點決策熵，則調換該區間的左右語義屬性值，遍歷與計算每個條件語義屬性的條件信息量，并按數值遞減排序，每次遍歷，保留數值最大的條件語義屬性，以此作為區間合并的方向決策條件，將相鄰區間合并為單個區間；

S23：將條件決策熵排序：采用基于動態反饋的閾值調整方法設定閾值：若決策閾值大于區間左端點決策熵，則將該決策熵所對應的語義屬性添加入粗劃分組；反之，將該決策熵所對應的語義屬性劃入細劃分組；通過遍歷相鄰決策熵端點差值最小區間，動態調整決策閾值，直到決策閾值不再大于區間左端點決策熵時，將決策熵值所對應的語義屬性與細劃分組內的語義屬性所在的離散區間排序；

S24：若步驟S23對決策閾值的修改結果導致條件決策語義屬性出現完全相同的領域區間，則取消步驟S23條件數值對調，還原成本區間的初始狀態，將劃分后的離散區間按其左端點由大到小排序，依次從大于0的正整數進行編碼，獲得編碼區間集合{A1，A2……}；

若步驟S23對決策閾值的修改結果未導致條件決策語義屬性出現完全相同的領域區間，則保留步驟S23的閾值，將劃分后的離散區間按其左端點由大到小排序，依次從大于0的正整數進行編碼，獲得編碼區間集合{A1，A2……}。

2.根據權利要求1所述的醫學領域圖像語義相似度矩陣的改進算法，其特征在于：

在步驟1中，將領域圖像進行區域分割，形成圖像集合{P1，P2……}；

采用人機交互的方式對領域圖像進行語義標注，形成標注詞集合{C1，C2……}；計算標注詞集合{C1，C2……}中的每個標注詞的后驗概率，獲取帶權值信息的語義向量空間，該帶權值信息的語義向量空間的集合即為語義向量空間集合；領域圖像是指影像報告中的圖片，醫學領域圖像知識庫是由領域圖像構成的集合；在步驟2中，將由步驟1獲得的帶有權重的語義向量空間集合作為輸入量，構建條件決策表；計算圖像屬性的決策閾值參數j，通過動態閾值迭代，遍歷連續圖像屬性的區間劃分端點，獲取離散圖像屬性，將離散區間按遞減序排列，得到圖像屬性的語義空間，記為離散編碼集合{A1，A2……}；

在步驟3中，利用帶有雙向指針的二叉樹對步驟2獲得的離散編碼集合{A1，A2……}的差別屬性進行存儲，并通過調整初次抽樣系數p以及抽取函數f(θ)的抽樣閾值，構建可變識差別矩陣，獲取圖像屬性集合簇元素的多階方陣，求解圖像屬性維度的約簡集red()；

在步驟4中，由圖像屬性維度的約簡集red()，計算標注詞節點屬性相似度、標注詞節點深度屬性、標注詞節點非對稱屬性，度量節點間橫向語義距離、節點間縱向語義距離、度量節點間非對稱語義距離，利用標注詞線性加權模型求解獲得圖像間語義相似度。