[發明專利]一種流形相似度保持自編碼器的醫學超聲圖像檢索方法

有效

• 申請號: 202011496971.1
• 申請日: 2020-12-17
• 公開（公告）號: CN112528065B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 曾憲華;唐紅梅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/55;G06V10/46;G06V10/764
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 李金蓉

1.一種流形相似度保持自編碼器的醫學超聲圖像檢索方法，其特征在于，包括以下步驟：

1)、提取超聲圖像訓練集中每一幅圖像的SIFT特征，按照標簽相同的圖像對之間距離小于標簽不同圖像對之間的距離，構造標簽約束的歐氏距離矩陣，利用標簽對歐式距離進行轉換，以最大化類間距離，使得類內差異小于類間差異；具體公式為

其中，為醫學超聲圖像的特征數據集，N為數據樣本個數，dist(x_i,x_j)代表數據樣本x_i和數據樣本x_j之間的歐式距離，λ和η為常量；

2)、通過步驟1)轉換后的距離求解樣本鄰域，計算流形相似度，將其作為邊的權重矩陣構造最近鄰圖，計算拉普拉斯矩陣；

3)、通過拉普拉斯特征值映射并對低維嵌入閾值化，獲得樣本的最優初始哈希編碼，該哈希編碼能夠很好地保持原始數據的局部流形結構相似信息；

4)、利用局部不變性思想，在自編碼器生成的哈希編碼與步驟3)中生成的最優初始哈希編碼間構建流形相似度保持的損失，以及在原輸入與解碼器對原輸入的重構間構建重構損失；

5)、引入編碼器生成的哈希編碼作為中間變量，采用交替優化策略，將自編碼器模型的訓練過程分為三個獨立的子步驟：優化編碼器，重復直到達到預設的編碼長度；求解線性回歸函數優化解碼器；優化每個樣本對應的哈希編碼。

2.根據權利要求1所述一種流形相似度保持自編碼器的醫學超聲圖像檢索方法，其特征在于：所述步驟2)中通過高斯核函數對最近鄰圖中任意兩點間的權重賦值，采用步驟1)轉換后的距離Dist來求解鄰域，計算權重矩陣S及圖拉普拉斯矩陣L的公式分別為：

其中，N_p(x_j)、N_p(x_i)分別代表數據樣本x_i和x_j的鄰域，τ是熱核帶寬參數；L＝D-S

其中，為對角矩陣，

3.根據權利要求1所述一種流形相似度保持自編碼器的醫學超聲圖像檢索方法，其特征在于：所述步驟3)中為使得低維嵌入保持原始輸入的局部相似性關系，通過最小化以下目標函數來實現：

其中，為X的低維表示，C為編碼長度，I為單位矩陣。

4.根據權利要求3所述一種流形相似度保持自編碼器的醫學超聲圖像檢索方法，其特征在于：將最小化目標函數轉換為廣義特征值分解問題：

其中，F_c.(c＝1,2,C)為特征值λ_c對應的特征向量；

通過對D^-1L進行特征分解，取C個非零最小特征值對應的特征向量作為降維后的F，并通過閾值化將其轉換為最優初始哈希編碼F'。

5.根據權利要求1所述一種流形相似度保持自編碼器的醫學超聲圖像檢索方法，其特征在于：步驟4)所述根據流形相似度保持的損失和重構損失構建的模型損失函數為：

其中，L_resco為重構誤差，L_msp為編碼器e(·)對X編碼輸出的哈希編碼矩陣e(X)的流形相似度保持的誤差，用來約束漢明空間哈希編碼的空間結構，e(·)代表編碼器，d(·)代表解碼器，α為權重因子。

6.根據權利要求5所述一種流形相似度保持自編碼器的醫學超聲圖像檢索方法，其特征在于：引入哈希編碼Z＝(z₁,z₂,...,z_N)∈{0,1}^C×N作為輔助變量，將其作為編碼器的編碼標簽，將所述模型損失函數轉化為三個獨立的子問題：交替優化編碼器e(x)、解碼器d(z)和哈希編碼Z，改進后模型的損失函數定義為L(e,d,X,Z,F；α,β)：

其中，L_coding為編碼誤差，同樣地，L'_resco為重構誤差，L'_msp為Z的流形相似度保持的誤差，α，β為權重因子。