[發(fā)明專利]一種基于主動(dòng)學(xué)習(xí)的腹腔CT圖像腹膜轉(zhuǎn)移自動(dòng)標(biāo)記方法有效
| 申請(qǐng)?zhí)枺?/td> | 201811061701.0 | 申請(qǐng)日: | 2018-09-12 |
| 公開(公告)號(hào): | CN109191452B | 公開(公告)日: | 2021-10-08 |
| 發(fā)明(設(shè)計(jì))人: | 薛玉靜;杜娟;劉松;顧慶 | 申請(qǐng)(專利權(quán))人: | 南京大學(xué);南京鼓樓醫(yī)院 |
| 主分類號(hào): | G06T7/00 | 分類號(hào): | G06T7/00;G06T7/11;G06T7/136 |
| 代理公司: | 江蘇圣典律師事務(wù)所 32237 | 代理人: | 賀翔 |
| 地址: | 210008 江*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 主動(dòng) 學(xué)習(xí) 腹腔 ct 圖像 腹膜 轉(zhuǎn)移 自動(dòng) 標(biāo)記 方法 | ||
1.一種基于主動(dòng)學(xué)習(xí)的腹腔CT圖像腹膜轉(zhuǎn)移自動(dòng)標(biāo)記方法,其特征在于,包括步驟如下:
1)讀取腹腔CT圖像,對(duì)其進(jìn)行截取、濾波、去噪、平滑、增強(qiáng)的預(yù)處理工作;采用閾值分割技術(shù)對(duì)腹腔CT圖像進(jìn)行區(qū)域分割,獲取顆粒圖像;
2)基于分割后的CT圖像,選取顆粒圖像,分別提取灰度和紋理特征,構(gòu)建CT圖像的特征向量;
3)基于隨機(jī)游走分類算法計(jì)算未標(biāo)記CT圖像的標(biāo)記不確定性;
4)基于標(biāo)記不確定性初次篩選未標(biāo)記CT圖像,采用聚類技術(shù)計(jì)算圖像多樣性再次篩選CT圖像,提醒 專家標(biāo)記篩選出的CT圖像;返回步驟3),直至不存在標(biāo)記不確定的CT圖像;
5)完成所有腹腔CT圖像的腹膜轉(zhuǎn)移標(biāo)記,并輸出已標(biāo)記的腹腔CT圖像;
所述步驟3)中計(jì)算未標(biāo)記腹腔CT圖像標(biāo)記不確定性的處理過程是:令已有nl張專家已標(biāo)記CT圖像,nu張未標(biāo)記CT圖像,共有n=nl+nu張CT圖像,xi∈[0,1]d代表第i張CT圖像的特征向量,d為向量維數(shù);首先采用距離衡量CT圖像間的相似性,給定CT圖像xi,xj,其距離dist(xi,xj)計(jì)算公式如下:
其中,T為向量的轉(zhuǎn)置,M為半正定對(duì)稱矩陣,M=AT×A,其中正交矩陣A使用隨機(jī)梯度下降法通過求解目標(biāo)函數(shù)獲得,公式如下:
其中,Ωi為與已標(biāo)記CT圖像xi屬于相同類別的已標(biāo)記CT圖像下標(biāo)集合,1≤i≤nl,j為集合Ωi中元素,l為下標(biāo),1≤l≤nl,nl為已標(biāo)記的CT圖像數(shù)量,exp()為e指數(shù)函數(shù);
然后基于距離指標(biāo)將CT圖像映射為n×n權(quán)重矩陣W∈Rn×n,n為CT圖像總數(shù),其第i行第j列元素wij基于CT圖像xi和CT圖像xj間的距離計(jì)算,公式如下:
wij=exp(-dist2(xi,xj))=exp(-(xi-xj)TM(xi-xj)) (7)
再定義n×n對(duì)角矩陣D∈Rn×n,其中對(duì)角線元素的計(jì)算公式如下:
除對(duì)角線元素外,矩陣D中其他元素為0;基于對(duì)角矩陣D和權(quán)重矩陣W計(jì)算標(biāo)準(zhǔn)化權(quán)重矩陣Q∈Rn×n,公式如下:
Q=D-1W (9)
矩陣Q被分解為四個(gè)子塊,公式如下:
其中Qll為 nl×nl矩陣, 代表已標(biāo)記圖像間的標(biāo)準(zhǔn)化權(quán)重,Qlu為 nl×nu矩陣, 代表未標(biāo)記圖像和已標(biāo)記圖像間的標(biāo)準(zhǔn)化權(quán)重,Quu為 nu×nu矩陣, 代表未標(biāo)記圖像間的標(biāo)準(zhǔn)化權(quán)重,T代表矩陣轉(zhuǎn)置,nl和nu分別代表已標(biāo)記和未標(biāo)記的CT圖像數(shù)量;
接下來將已標(biāo)記CT圖像的狀態(tài)設(shè)置為吸收態(tài),未標(biāo)記CT圖像的狀態(tài)設(shè)置為非吸收態(tài),計(jì)算帶吸收態(tài)的馬爾科夫轉(zhuǎn)移矩陣G,公式如下:
其中Ill(nl×nl)為單位矩陣,即對(duì)角線元素全部為1的對(duì)角矩陣,0lu(nl×nu)為零矩陣;令集合L包含所有已標(biāo)記CT圖像,集合U包含所有未標(biāo)記CT圖像;基于轉(zhuǎn)移矩陣G計(jì)算未標(biāo)記CT圖像被已標(biāo)記CT圖像吸收的穩(wěn)態(tài)概率矩陣P(L|U),公式如下:
其中Iuu(nu×nu)為單位矩陣;定義Y=[y1,y2,...ynl]T為已標(biāo)記CT圖像的類標(biāo)向量,如果CT圖像xi∈L,L為已標(biāo)記CT圖像集合,標(biāo)記為陽性,則yi=1,否則yi=0;令標(biāo)記為陽性的CT圖像集為L+,計(jì)算集合U中未標(biāo)記CT圖像被陽性標(biāo)記吸收的概率向量P(L+|U),公式如下:
最后定義概率向量F=[f1,f2,...fnu]T=P(L+|U),其中fi代表未標(biāo)記CT圖像xi屬于陽性標(biāo)記的概率;基于概率向量F,基于熵值法計(jì)算未標(biāo)記CT圖像xi的標(biāo)記不確定性H(xi),公式如下:
H(xi)=-filogfi-(1-fi)log(1-fi) (14)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京大學(xué);南京鼓樓醫(yī)院,未經(jīng)南京大學(xué);南京鼓樓醫(yī)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811061701.0/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 主動(dòng)元件及主動(dòng)元件陣列基板
- 主動(dòng)降噪系統(tǒng)、主動(dòng)降噪耳機(jī)及主動(dòng)降噪方法
- 主動(dòng)定位方法及主動(dòng)定位系統(tǒng)
- 主動(dòng)降噪系統(tǒng)及主動(dòng)降噪耳機(jī)
- 主動(dòng)清除系統(tǒng)和主動(dòng)清除方法
- 主動(dòng)筆控制方法及主動(dòng)筆
- 筆尖、主動(dòng)筆和主動(dòng)筆系統(tǒng)
- 主動(dòng)降噪耳機(jī)和主動(dòng)降噪方法
- 主動(dòng)導(dǎo)管及主動(dòng)導(dǎo)管系統(tǒng)
- 主動(dòng)降噪算法及主動(dòng)降噪耳機(jī)
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測方法及系統(tǒng)





