[發明專利]基于隨機投影的腎小腫塊分類方法有效
| 申請號： | 202010171801.X | 申請日： | 2020-03-12 |
| 公開（公告）號： | CN111340135B | 公開（公告）日： | 2021-07-23 |
| 發明（設計）人： | 甄鑫;莫天瀾;王琳婧;何強 | 申請（專利權）人： | 甄鑫 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06K9/32;G06T7/00;G06N20/00 |
| 代理公司： | 廣州廣典知識產權代理事務所(普通合伙) 44365 | 代理人： | 萬志香 |
| 地址： | 510000 廣東省廣州市越秀區*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 隨機 投影 腫塊 分類 方法 | ||
1.一種基于隨機投影的腎小腫塊分類方法，其特征在于，所述方法包括：
S10，獲取N個描述腎小腫塊的目標對象數據；所述目標對象數據包括相應腎小腫塊的CT平掃圖像、mask圖像和標簽數據；所述標簽數據表征相應腎小腫塊為良性或惡性；
S20，根據各個所述mask圖像對各個所述CT平掃圖像進行靶區勾畫，得到各個所述CT平掃圖像的感興趣區域，對各個所述感興趣區域進行放射組學特性數據提取，得到N個放射組學特性數據；
S30，將所述N個放射組學特性數據通過L個隨機投影矩陣投影，得到L套投影特性數據；
S40，對L套投影特性數據分別進行多個分類器訓練，得到各個分類器的預測矩陣和訓練后的各個分類器，根據各個分類器的預測矩陣設置各個分類器的權重；
S50，采用訓練后的各個分類器根據相應的權重對待分類數據進行融合處理，以確定所述對待分類數據的類別；
S40中，所述根據各個分類器的預測矩陣設置各個分類器的權重包括：
根據各個分類器的預測矩陣計算良性腎小腫塊對應的第一平均預測矩陣以及惡性腎小腫塊對應的第二平均預測矩陣；
計算各個分類器的預測矩陣分別至第一平均預測矩陣和第二平均預測矩陣的歐式距離；
根據各個分類器的預測矩陣分別至第一平均預測矩陣和第二平均預測矩陣的歐式距離確定N個目標對象數據在各個分類器上的預測標簽；
根據N個目標對象數據在各個分類器上的預測標簽和N個目標對象數據分別包括的標簽數據計算各個分類器的預測準確度參數，根據各個分類器的預測準確度參數確定各個分類器的權重。
2.根據權利要求1所述的方法，其特征在于，所述第一平均預測矩陣或者第二平均預測矩陣的確定過程包括：
式中，表示第g平均預測矩陣，g的取值為1或者2，表示第i個目標對象數據，N表示目標對象數據的個數，表示第m個分類器相對于第i個目標對象數據的預測矩陣，表示的標簽數據，yg表示類別標簽g；
所述歐式距離的計算過程包括：
式中，表示第m個分類器相對于第i個目標對象數據至第g平均預測矩陣的歐式距離，L表示隨機投影矩陣的個數，G表示類別數；
一個目標對象數據在一個分類器上的預測標簽的確定過程包括：
式中，表示在該分類器進行分類的目標對象數據，ys表示該分類器針對該目標對象數據預測得到的標簽數據，表示的預測標簽，符號表示該符號后面的等式成立時，得到該符號前面的類別歸屬關系；
所述根據各個分類器的預測準確度參數確定各個分類器的權重的過程包括：
式中，ωm表示第m個分類器的權重，accm表示第m個分類器的預測準確度參數，accmin表示各個預測準確度參數中的最小值，accmax表示各個預測準確度參數中的最大值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于甄鑫，未經甄鑫許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010171801.X/1.html，轉載請聲明來源鉆瓜專利網。
