[發(fā)明專利]一種基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法在審
| 申請?zhí)枺?/td> | 202210893407.6 | 申請日： | 2022-07-27 |
| 公開（公告）號： | CN115187571A | 公開（公告）日： | 2022-10-14 |
| 發(fā)明（設計）人： | 李雄飛;楊飛揚;張小利;黃薩;朱芮;于爽;宋涵;矯鑫瑤 | 申請（專利權）人： | 吉林大學 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/11;G06T7/194;G06V10/26;G06V10/74;G06V10/764;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 北京盛詢知識產(chǎn)權代理有限公司 11901 | 代理人： | 藺巍 |
| 地址： | 130012 吉*** | 國省代碼： | 吉林;22 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 獎勵 函數(shù) 引入 先驗 知識 醫(yī)學 圖像 分割 方法 | ||
1.一種基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法，其特征在于，包括以下步驟：
S1.獲取公開的醫(yī)學CT圖像數(shù)據(jù)集；
S2.基于所述圖像數(shù)據(jù)集，設計并得到獎勵函數(shù)；
S3.在所述獎勵函數(shù)中引入所述圖像數(shù)據(jù)集中的CT圖像的前景-背景比引入，得到改進的獎勵函數(shù)；
S4.在所述改進的獎勵函數(shù)中引入先驗知識實例的近似難度，得到最終的獎勵函數(shù)；
S5.使用所述最終的獎勵函數(shù)替換強化學習網(wǎng)絡中的獎勵函數(shù)，并進行強化網(wǎng)絡訓練，最后通過分割網(wǎng)絡輸出最終的分割結果圖。
2.根據(jù)權利要求1所述的基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法，其特征在于，
所述S2中，設計并得到所述獎勵函數(shù)的過程中，將獎勵Pi設計為所述圖像數(shù)據(jù)集中的每一個像素的預測值和實際標簽之間的差異，
3.根據(jù)權利要求2所述的基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法，其特征在于，
設計并得到所述獎勵函數(shù)的方法包括：
將所述圖像數(shù)據(jù)集中的每一個像素視作一個智能體；
基于交叉熵增益設計并得到單個所述智能體的局部獎勵；
基于所述局部獎勵，得到所述獎勵函數(shù)。
4.根據(jù)權利要求3所述的基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法，其特征在于，
單個所述智能體的反饋ri定義如下
其中γ表示折扣因子，V(s(t))表示網(wǎng)絡的輸入s(t)的預期總獎勵，Ri表示單個智能體最初的獎勵，Pi表示重新定義后的獎勵，yi∈(-1，+1)表示像素標簽，t表示步驟t，ri表示為每個智能體最終實際的獎勵。
5.根據(jù)權利要求1所述的基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法，其特征在于，
所述S3中，引入所述前景-背景比后的所述獎勵函數(shù)是基于以下公式而改進的，該公式為
其中R(t)表示所有像素總預期獎勵的平均值，表示第步驟t的獎勵，N表示總像素數(shù)；
由于醫(yī)學圖像分割可以看成是一種像素二元分類，感興趣區(qū)域所占的像素數(shù)量遠少于其他部分的數(shù)量，而前景與背景的比例會影響最終的分割效果，因此，用改進的獎勵函數(shù)公式替換了上述公式，即替換為
其中α∈(-1，0)表示一個超參數(shù)，NFront表示預測圖的前景區(qū)域，NBack表示預測圖的背景區(qū)域。
6.根據(jù)權利要求1所述的基于獎勵函數(shù)引入先驗知識的醫(yī)學圖像分割方法，其特征在于，
所述S4中，引入所述先驗知識實例的所述近似難度作為先驗知識是基于強化學習動作空間的設置，具體動作應設置為{mask，retain}，遮蓋住那些對分割有不好影響的部分，保留那些對分割有益的部分，并允許智能體在不同情況下不同程度地調整動作選擇。
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吉林大學，未經(jīng)吉林大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210893407.6/1.html，轉載請聲明來源鉆瓜專利網(wǎng)。
