[發(fā)明專利]基于仿冒過(guò)濾器的CT圖像分類特征選擇方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201910068703.0
• 申請(qǐng)日: 2019-01-24
• 公開(kāi)（公告）號(hào): CN109800812A
• 公開(kāi)（公告）日: 2019-05-24
• 發(fā)明（設(shè)計(jì)）人: 李曉梅;翟愛(ài)東;曹倩倩;姜玉華;鄒文;徐功文;孫殿水
• 申請(qǐng)（專利權(quán)）人: 山東大學(xué)第二醫(yī)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李圣梅

1.基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，包括：

針對(duì)CT圖像，利用帶有偽發(fā)現(xiàn)率約束的仿冒濾波器進(jìn)行特征識(shí)別，計(jì)算出最優(yōu)特征子集，完成特征的選擇；

將支持向量機(jī)應(yīng)用于最優(yōu)特征子集，在CT圖像中進(jìn)行分類，實(shí)現(xiàn)圖像的分類；

其中，在最優(yōu)特征子集生成的過(guò)程中，利用偽發(fā)現(xiàn)率控制CT圖像的特征選擇，保證了所選擇的特征與CT圖像中的肺癌分類的相關(guān)性，能夠使不相關(guān)性的輸出特征最小化。

2.如權(quán)利要求1所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，在利用偽發(fā)現(xiàn)率控制CT圖像的特征選擇時(shí)，約束不相關(guān)特征的偽發(fā)現(xiàn)率；

針對(duì)CT圖像，在圖像處理之前先分割每個(gè)CT圖像的興趣區(qū)域；

針對(duì)CT圖像在進(jìn)行興趣區(qū)域分割之后提取其紋理特征和形態(tài)特征。

3.如權(quán)利要求1所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，相關(guān)特征的識(shí)別時(shí)，在遵循線性回歸模型的情況下，假設(shè)在大小為n的數(shù)據(jù)樣本上有感興趣的響應(yīng)變量c和m維特征向量。

4.如權(quán)利要求1所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，利用帶有偽發(fā)現(xiàn)率約束的仿冒濾波器進(jìn)行特征識(shí)別，需要構(gòu)建仿冒濾波器，對(duì)于每一個(gè)特征向量X_j，建立一個(gè)“仿冒”特征仿冒特征一方面用來(lái)保持原始特征X_j的結(jié)構(gòu)，另一方面在一定程度上對(duì)偽發(fā)現(xiàn)率的值進(jìn)行約束。

5.如權(quán)利要求4所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，構(gòu)造特征時(shí)，計(jì)算Gram矩陣Σ＝X^TX，X為特征矩陣，需要保證仿冒特征矩陣具有與原特征矩陣X具有相同的協(xié)方差結(jié)構(gòu)，保證原特征和仿冒特征之間的相關(guān)性；

構(gòu)造的一個(gè)策略是用來(lái)找到滿足diag{s}≤2Σ的s，其中

6.如權(quán)利要求5所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，對(duì)每對(duì)樣本X_j和求出統(tǒng)計(jì)數(shù)據(jù)W_j(β_j∈[1,2,…,m])，從而梳理出Lasso模型內(nèi)外的變量，在計(jì)算時(shí)用到Gram矩陣和邊際相關(guān)性采用Lasso模型和l₁范式懲罰回歸法進(jìn)行計(jì)算。

7.如權(quán)利要求6所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法，其特征是，在特定的偽發(fā)現(xiàn)率下實(shí)現(xiàn)變量選擇，將偽發(fā)現(xiàn)率定義中的特征替換為統(tǒng)計(jì)結(jié)果W_j，生成最優(yōu)特征子集。

8.基于仿冒過(guò)濾器的CT圖像分類特征選擇系統(tǒng)，其特征是，包括

特征的選擇單元，被配置為：針對(duì)CT圖像，利用帶有偽發(fā)現(xiàn)率約束的仿冒濾波器進(jìn)行特征識(shí)別，計(jì)算最優(yōu)特征子集，實(shí)現(xiàn)特征的選擇；

其中，在最優(yōu)特征子集生成的過(guò)程中，利用偽發(fā)現(xiàn)率控制CT圖像的特征選擇，保證了所選擇的特征與CT圖像中的肺癌分類的相關(guān)性，能夠使不相關(guān)性的輸出特征最小化。

圖像的分類單元模塊，被配置為：將支持向量機(jī)算法應(yīng)用于最優(yōu)特征子集，在CT圖像中進(jìn)行分類，實(shí)現(xiàn)圖像的分類。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中存儲(chǔ)有多條指令，其特征是，所述指令適于由終端設(shè)備的處理器加載并執(zhí)行權(quán)利要求1-7任一所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法。

10.一種終端設(shè)備，包括處理器和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，處理器用于實(shí)現(xiàn)各指令；計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)多條指令，所述指令適于由處理器加載并執(zhí)行權(quán)利要求1-7任一所述的基于仿冒過(guò)濾器的CT圖像分類特征選擇方法。