[發明專利]一種基于圖卷積神經網絡的特征選擇與分類方法、裝置和計算機可讀存儲介質

在審

• 申請號: 202010530319.0
• 申請日: 2020-06-11
• 公開（公告）號: CN111738317A
• 公開（公告）日: 2020-10-02
• 發明（設計）人: 吳強;崔曉萌
• 申請（專利權）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李健康

1.一種基于圖卷積神經網絡的特征選擇與分類方法，對感興趣區域特征進行特征選擇并實現最終分類，具體步驟包括：

(一)數據預處理：首先，對每個分類對象進行標簽的標記，其次，對磁共振圖像的T1、T2、Flair、T1c四個模態進行感興趣區域的提取；

(二)感興趣區域特征提取：首先，對圖像感興趣區域進行三方面的特征提取，分別為：非紋理特征、紋理特征、小波變換后紋理特征，其次，對所提特征進行歸一化處理，如下式所述

X為感興趣區域所提特征，μ為數據的均值，σ為數據的方差，X′為歸一化處理后的數據；

(三)構造特征圖：構建基于二維網格的8近鄰相似圖，8近鄰相似圖兩個節點間的權重計算如下式所述：

其中z_i是像素i的二維坐標；

(四)特征圖粗糙化處理：即將原特征圖利用圖聚類獲得粗糙圖，根據粗糙圖進行反向生成，獲得精細特征圖，粗糙圖最終為平衡二叉樹形式，包括三種結構：常規節點有兩個常規節點、常規節點有一個單節點和一個假節點、假節點的兩個子節點為假節點，其中常規節點是原特征圖的節點，假節點是為構建精細特征圖中所添加的節點；

(五)圖信號傅里葉變換：定義無向連接圖其中表示頂點集合n為頂點個數，ε表示邊的集合，是表示兩個頂點之間連接權重的加權鄰接矩陣，信號為圖的節點，則該節點向量為x_i是x第i個節點的值，定義為圖拉普拉斯算子，其中，是對角度矩陣D_ii＝∑_jW_ij，歸一化定義為L＝I_n-D^-1/2WD^-1/2，其中I_n是單位矩陣，L的完整正交特征向量集合為圖傅里葉模式，與正交特征向量一一對應的是被定義為圖頻譜的非負特征值因此有拉普拉斯算子的傅里葉基可使L進行對角化L＝UΛU^T，其中對特征圖進行圖信號的傅里葉變換，則有變換公式如下式所述

因此，定義圖傅里葉變換作為濾波器的基本操作；

(六)分類：將根據步驟(三)至(五)所獲得的經傅里葉變換后的特征圖放入神經網絡中進行分類。

2.一種圖像處理裝置，該裝置包括數據預處理部件、存儲器和處理器，

其中，所述數據預處理部件用于對數據集進行數據標簽的標記、感興趣區域的提取、感興趣區域特征提取及其歸一化處理；

所述存儲器存儲有計算機程序，程序被處理器執行時能夠實現如權利要求1所述方法的步驟(三)至步驟(六)。

3.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被執行時實現如權利要求1所述方法的步驟。