[發(fā)明專利]一種基于安全半監(jiān)督聚類的醫(yī)學(xué)影像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910371366.2
• 申請(qǐng)日: 2019-05-06
• 公開（公告）號(hào): CN110263804B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 郭麗;甘海濤;夏思雨;厲振華
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T7/136
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 楊舟濤

本發(fā)明公開一種基于安全半監(jiān)督聚類的醫(yī)學(xué)影像分割方法，涉及半監(jiān)督FCM聚類和密度峰值聚類方法。首先，采用k?近鄰方法構(gòu)造局部圖，得到圖正則項(xiàng)。其次，利用FCM聚類和密度聚類方法估計(jì)標(biāo)記和未標(biāo)記樣本的置信度。然后，在原半監(jiān)督FCM聚類方法的目標(biāo)函數(shù)中引入樣本的置信度加權(quán)和基于局部圖的正則項(xiàng)，得到安全半監(jiān)督聚類方法的目標(biāo)函數(shù)。最后，通過迭代優(yōu)化隸屬度矩陣和聚類中心得到聚類結(jié)果。本發(fā)明解決了標(biāo)記樣本的安全使用問題，同時(shí)解決了未標(biāo)記樣本的安全使用問題，提高了對(duì)醫(yī)學(xué)影像分割的準(zhǔn)確性和魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于半監(jiān)督聚類的醫(yī)學(xué)影像分割方法，尤其是指一種基于安全半監(jiān)督聚類的醫(yī)學(xué)影像分割方法，屬于基于醫(yī)學(xué)圖像的數(shù)據(jù)挖掘領(lǐng)域。

背景技術(shù)

隨著可視化技術(shù)的不斷發(fā)展，現(xiàn)代醫(yī)學(xué)已越來越離不開醫(yī)學(xué)影像的信息處理，醫(yī)學(xué)影像在臨床診斷、教學(xué)科研等方面正發(fā)揮著重要的作用。基于半監(jiān)督聚類的醫(yī)學(xué)影像分割方法集成有限的人工監(jiān)督信息，即在圖像上點(diǎn)擊有限的幾個(gè)點(diǎn)以標(biāo)識(shí)對(duì)應(yīng)區(qū)域之間的關(guān)系，將這些點(diǎn)作為基于半監(jiān)督聚類的醫(yī)學(xué)影像分割方法中的帶有標(biāo)簽信息的樣本數(shù)據(jù)，利用這些樣本數(shù)據(jù)來指導(dǎo)聚類，從而提高算法性能，使圖像分割更加準(zhǔn)確。醫(yī)學(xué)影像中的標(biāo)記一般是由專家完成的，但是在標(biāo)記過程中可能因?yàn)楦鞣N情況出現(xiàn)錯(cuò)誤標(biāo)記，并且醫(yī)學(xué)影像往往攜帶有噪音點(diǎn)和離群點(diǎn)，傳統(tǒng)的基于半監(jiān)督聚類的醫(yī)學(xué)影像分割方法在聚類過程中并沒有考慮到以上兩個(gè)方面。

在該情況下，傳統(tǒng)的半監(jiān)督聚類方法的性能可能比相應(yīng)的無監(jiān)督學(xué)習(xí)方法差，這在一定程度上限制了半監(jiān)督聚類在醫(yī)學(xué)影像分割中的應(yīng)用。換句話說，標(biāo)記數(shù)據(jù)可能對(duì)性能有害，與此同時(shí)未標(biāo)記數(shù)據(jù)中的噪音點(diǎn)和離群點(diǎn)對(duì)性能也有很大的影響。傳統(tǒng)的半監(jiān)督聚類一般認(rèn)為先驗(yàn)知識(shí)有利于學(xué)習(xí)效果，然而收集到的先驗(yàn)知識(shí)(如錯(cuò)誤標(biāo)記樣本和噪音)，有可能導(dǎo)致學(xué)習(xí)性能的退化。Xuesong Yin指出了錯(cuò)誤的先驗(yàn)知識(shí)會(huì)導(dǎo)致學(xué)習(xí)性能的下降。基于上述兩個(gè)方面，設(shè)計(jì)安全的半監(jiān)督學(xué)習(xí)方法是有意義的。因此，本發(fā)明專利試圖研發(fā)一種不同樣本具有不同安全度的機(jī)制，以實(shí)現(xiàn)聚類性能不低于原無監(jiān)督聚類和半監(jiān)督聚類方法。

發(fā)明內(nèi)容

本發(fā)明針對(duì)傳統(tǒng)的基于半監(jiān)督聚類的醫(yī)學(xué)影像分割方法未同時(shí)考慮標(biāo)記樣本和未標(biāo)記樣本的風(fēng)險(xiǎn)性，可能導(dǎo)致最后的分割效果下降的缺點(diǎn)，提出了一種基于安全半監(jiān)督聚類的醫(yī)學(xué)影像分割方法。

首先，本發(fā)明采用k-近鄰方法構(gòu)造局部圖，得到圖正則項(xiàng)。其次，利用FCM聚類和密度聚類方法估計(jì)標(biāo)記和未標(biāo)記樣本的置信度。然后，在原半監(jiān)督FCM聚類方法的目標(biāo)函數(shù)中引入樣本的置信度加權(quán)和基于局部圖的正則項(xiàng)，得到安全半監(jiān)督聚類方法的目標(biāo)函數(shù)。最后，通過迭代優(yōu)化隸屬度矩陣和聚類中心得到聚類結(jié)果。技術(shù)方案：一種基于安全半監(jiān)督聚類的醫(yī)學(xué)影像分割方法，該方法包含以下步驟：

步驟一：輸入標(biāo)記和未標(biāo)記醫(yī)學(xué)影像數(shù)據(jù)集；

步驟二：對(duì)數(shù)據(jù)集進(jìn)行FCM聚類，得到數(shù)據(jù)集的預(yù)測(cè)標(biāo)簽；

步驟三：運(yùn)用密度峰值聚類方法，通過未標(biāo)記樣本的局部密度以及與具有較高密度點(diǎn)的最小距離得到未標(biāo)記樣本的置信度，通過標(biāo)記樣本在相同標(biāo)記樣本簇中局部密度以及在與具有較高密度點(diǎn)的最小距離得到標(biāo)記樣本的置信度，并將置信度歸一化；

步驟四：構(gòu)造局部圖，目的是將置信度低的標(biāo)記樣本輸出限制為鄰近樣本的輸出；

步驟五：將信息整合，構(gòu)建目標(biāo)函數(shù)；

步驟六：采用迭代優(yōu)化方法求解優(yōu)化問題；

步驟七：判定未標(biāo)記樣本的類別，實(shí)現(xiàn)醫(yī)學(xué)影像分割。

與傳統(tǒng)的半監(jiān)督聚類方法相比，本發(fā)明利用樣本之間的密度和距離來衡量樣本的置信度，通過構(gòu)造局部圖將置信度低的標(biāo)記樣本限制為近鄰樣本的輸出，使得每個(gè)樣本都能被安全合理地使用，聚類更加準(zhǔn)確和魯棒。本發(fā)明解決了標(biāo)記樣本的安全使用問題，同時(shí)解決了未標(biāo)記樣本的安全使用問題，提高了對(duì)醫(yī)學(xué)影像分割的準(zhǔn)確性和魯棒性。

附圖說明