申请/专利权人：泰山学院

申请日：2023-12-20

公开（公告）日：2024-03-29

公开（公告）号：CN117437493B

主分类号：G06V10/764

分类号：G06V10/764;G06T7/00;G06V10/44;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明公开了一种联合一阶和二阶特征的脑肿瘤MRI图像分类方法及系统，涉及医学影像分析技术领域，该方法包括：获取待分类的脑肿瘤MRI图像，对脑肿瘤MRI图像进行预处理；以预训练的ResNet18网络作为主干网络，利用主干网络提取预处理后的脑肿瘤MRI图像的初始特征向量；基于初始特征向量，通过全局平均池化获取脑肿瘤MRI图像的一阶特征向量，通过协方差池化获取脑肿瘤MRI图像的二阶特征向量；基于一阶特征向量和二阶特征向量，分别进行类别预测，再将两种类别预测结果相加融合，得到最终的分类结果。本发明通过联合一阶和二阶特征来总结图像数据的全局特征和更精细的局部结构，实现更高精度的脑肿瘤MRI图像分类。

主权项：1.一种联合一阶和二阶特征的脑肿瘤MRI图像分类方法，其特征是，包括：获取待分类的脑肿瘤MRI图像，对脑肿瘤MRI图像进行预处理；以预训练的ResNet18网络作为图像分类网络模型的主干网络，利用主干网络提取预处理后的脑肿瘤MRI图像的初始特征向量；其中，将预训练的ResNet18网络作为主干网络时，将预训练的ResNet18网络中最后一个下采样层去除；基于初始特征向量，通过全局平均池化获取脑肿瘤MRI图像的一阶特征向量；基于初始特征向量，通过协方差池化获取脑肿瘤MRI图像的二阶特征向量，以此建模特征之间的关系和空间结构，包括：通过线性投影操作对初始特征向量的维度进行压缩，以减少计算量；利用重塑操作对压缩后的初始特征向量的维度进行分组，以减少计算消耗；具体的，以符号来表示特征向量的大小，即压缩后的初始特征向量，重塑操作的计算过程为：；其中，表示重塑操作，通过重塑操作，对进行分组，分组后的特征向量记为，M表示分组的数量，H、W分别表示高度和宽度，C表示通道数；针对分组后的每一组的特征向量，分别进行协方差池化，得到协方差矩阵；具体的，在每个组上分别计算协方差池化，首先将分组后每组的特征矩阵记为，即表示分组后第i个组的特征，，表示分组后的特征的维度；然后对的空间维度执行展平操作，即；最后在每组上的协方差计算过程为：，其中，，和分别表示的单位矩阵和全1矩阵，；利用L2归一化方法对所有协方差矩阵进行归一化操作；拼接归一化后的多组协方差矩阵，获得最终的协方差矩阵；基于最终的协方差矩阵，依次通过下采样操作和展平操作，得到图像的二阶特征向量；基于一阶特征向量和二阶特征向量，通过对应的分类器分别进行类别预测，再将两种类别预测结果相加融合，得到最终的待分类的脑肿瘤MRI图像的分类结果；具体的，联合预测的过程为：；其中，和表示用于分类的特征矩阵，实际上和的实现是两个不同的全连接层，该全连接层作为分类器，其输入的维度大小是特征和的维度数量，其输出的维度大小则是分类的类别数量，和分别表示一阶特征向量和二阶特征向量。

全文数据：

权利要求：

百度查询： 泰山学院 联合一阶和二阶特征的脑肿瘤MRI图像分类方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD