[發(fā)明專利]基于關聯(lián)圖的聯(lián)合降維和半監(jiān)督聚類的腦圖像分割方法

在審

• 申請?zhí)枺?/td>: 202111067532.3
• 申請日: 2021-09-13
• 公開（公告）號: CN113838063A
• 公開（公告）日: 2021-12-24
• 發(fā)明（設計）人: 倪彤光;顧曉清;蔣亦樟;薛婧;錢鵬江
• 申請（專利權）人: 常州大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/08;G06K9/62
• 代理公司: 常州市英諾創(chuàng)信專利代理事務所(普通合伙) 32258
• 代理人: 王美華

1.基于關聯(lián)圖的聯(lián)合降維和半監(jiān)督聚類的腦圖像分割方法，其特征在于，包括：

步驟1：對核磁共振腦圖像進行預處理，去除腦圖像中的非腦組織部分；

步驟2：提取腦圖像中的特征屬性，構建包含n個像素特征維數(shù)為d的數(shù)據(jù)集X＝[x₁,x₂,...,x_n]^T，X∈R^n×d,其中，x_i表示X中第i個數(shù)據(jù)特征向量，1≤i≤n；

步驟3：醫(yī)師通過觸摸屏在圖像中圈畫，圈畫區(qū)域記為CS，選取CS中的部分數(shù)據(jù)特征向量并標識配對信息，任意的一個特征向量對表示為(x_i,x_j,δ_ij)，δ_ij＝1表示x_i和x_j是同類別的，δ_ij＝-1表示x_i和x_j是不同類別的，δ_ij＝0表示x_i和x_j類別關系未知；

步驟4：構建數(shù)據(jù)集X上的配對關聯(lián)矩陣Y，Y中的第i行第j列元素Y_ij定義為：

其中，1≤i≤n，1≤j≤n；

步驟5：構建數(shù)據(jù)集X上的無向邊圖E，X中的每個特征向量表示為一個節(jié)點，構建每個節(jié)點x_i的k個近鄰節(jié)點的集合

步驟6：構建無向關聯(lián)矩陣F∈R^n×n，F(xiàn)中的第i行第j列元素F_ij定義為：

其中，尺度參數(shù)σ是正常數(shù)；

步驟7：構建數(shù)據(jù)集X上的有向邊圖V，如果則x_i到x_j構成一條單向邊；如果且則x_i和x_j之間構成一條雙向邊；

步驟8：構建有向邊圖V上任意兩個節(jié)點x_i和x_j間的有向近鄰交集K_ij，如果x_i和x_j之間構成雙向邊，則(x_i+x_j)/2表示雙向邊指示節(jié)點，如果x_i和x_j之間不構成雙向邊，則

步驟9：構建基于有向近鄰交集K_ij的有向關聯(lián)矩陣S，S中的第i行第j列元素S_ij定義為：

其中，x_r屬于K_ij集合，是x_i的第個最近鄰節(jié)點，同時也是x_j的第個最近鄰節(jié)點，

步驟10：基于配對關聯(lián)矩陣Y、無向關聯(lián)矩陣F和有向關聯(lián)矩陣S對數(shù)據(jù)集X進行特征降維，得到特征向量集

步驟11：在上執(zhí)行K均值聚類，若的第i行分配到第l類，則將原數(shù)據(jù)點x_i分配到第l類，聚類結果即為核磁共振腦圖像的分割結果。

2.如權利要求1所述的基于關聯(lián)圖的聯(lián)合降維和半監(jiān)督聚類的腦圖像分割方法，其特征在于，步驟10中所述的基于配對關聯(lián)矩陣Y、無向關聯(lián)矩陣F和有向關聯(lián)矩陣S對數(shù)據(jù)集X進行特征降維，得到特征向量集包括以下子步驟：

步驟10.1：將數(shù)據(jù)集X、矩陣Y、S和F代入目標函數(shù)，如式(4)所示：

其中，Q∈R^d×c是特征權重矩陣，||Q||_2,1項是正則化項，用于保證Q的稀疏性，G∈R^n×c是聚類指示矩陣，I_c×c∈R^c×c是c行c列的單位陣，λ₁、λ₂、λ₃和λ₄是平衡參數(shù)，||||₂是2范式運算，^T表示矩陣的轉(zhuǎn)置運算；

步驟10.2：固定G，更新目標式中的Q，求解式(4)的Q的一階導數(shù)為0得到Q的更新表達式為：

其中，D_Q是對角線矩陣，(D_Q)_ii是D_Q第i行第i列元素，Q_i是Q矩陣的第i行向量，1≤i≤d，I_n×n∈R^n×n是n行n列的單位陣；

步驟10.3：固定Q，更新目標式中的G，使用拉格朗日乘子法關于G的目標式可以表示為：

其中，Φ＝[Φ_ij]是拉格朗日矩陣，η是一個正常數(shù)，Tr()表示矩陣的跡運算，||||_F表示F范式運算，求解式(6)的G的一階導數(shù)為0且使用Karush-Kuhn-Tucker(KKT)條件Φ_ijG_ij＝0，可得矩陣G的第i行第j列元素G_ij的更新表達式：

步驟10.4：判斷是否達到迭代最大次數(shù)，若否，則返回執(zhí)行所述的步驟10.2；若是，則執(zhí)行所述的步驟10.5；

步驟10.5：對Q矩陣按行計算||Q_i||₂的值，1≤i≤d，并對d個行向量按值降序排列，取出前m個最大的行向量的序號；

步驟10.6：根據(jù)得到的m個行向量的序號對應取出X中的m個行向量，構建新的特征數(shù)據(jù)集