申请/专利权人：安徽大学

申请日：2024-01-03

公开（公告）日：2024-04-02

公开（公告）号：CN117809117A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/70;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种面向正标记和无标记样本学习的医学影像分类方法，包括：步骤1：收集正标记和无标记样本的医学影像数据集；步骤2：构建无标记样本的标签优化模型；步骤3：通过结合动态分组、邻域信息种群初始化和协同优化策略在进化多目标优化的框架下获得无标记样本的优化标签；步骤4：最终通过监督学习训练分类器，实现对医学影像样本的分类。本发明能应对传统监督学习方法在处理医学影像标签不确定性方面的限制，从而能提高医学影像分类的准确性和鲁棒性。

主权项：1.一种面向正标记和无标记样本学习的医学影像分类方法，其特征在于，包括如下步骤：步骤一、收集正标记和无标记样本数据集；步骤1：收集正标记和无标记样本的医学影像数据集，记为X＝{x1,x2,…,xi,…,xN}，其中，xi为第i个医学影像样本，xi＝{xi,1,xi,2,…,xi,d,…,xi,D}是一个D维特征向量，xi,d表示第i个医学影像样本的第d个特征；X的标签，记为Y＝{y1,y2,…,yi,…,yN}，其中，yi∈{0,1}表示xi的标签，若yi＝0，则表示xi为无标记样本，若yi＝1，则表示xi为正标记样本；N为医学影像样本的总数量，其中，N＝|XP|+|XU|，|·|表示集合的样本数量；X＝XP∪XU，XP为正标记样本的集合，且是XP中第s个正标记样本，XU为无标记样本的集合，且是XU中第e个无标记样本，Y＝YP∪YU，其中，YP表示XP的标签，且YU表示XU的预测标签，且其中，表示的预测标签，若预测为正标记样本，则令否则，令初始化XU的标签YU均为-1；步骤二、利用式1构建无标记样本的标签优化模型： 式1中，为XU中识别的正标记样本集合，表示以最大化中标签的局部一致性为目标的第一优化目标函数，是XU+中第j个预测的正标记样本，表示的k个邻域样本所构成的集合；LC·,·是一个指示函数，若中有超过半数样本的标签与相同，则令否则令表示以最小化与XP中全部样本的欧氏距离为全局可靠性目标的第二优化目标函数，GR·,·代表欧氏距离函数；步骤三、优化XU的预测标签YU；步骤3.1：定义最大迭代次数为maxGen，重新分组间隔为InterRe，协同优化间隔为InterEv，特征上限参数为α，邻域的数量为k；当前迭代次数为t；初始化t＝1；步骤3.2：计算分组的当前次数为r，并初始化其中，表示向上取整；对X中的所有特征进行第r次分组后，得到第r次分组下的特征分组集合其中，为第r次分组下的第m个特征分组，且的包含特征总数不超过M为分组的总数，且将第r次分组下的XU的预测标签，记为其中，表示第r次分组下的预测标签，若预测为正标记样本，则令否则，令将X中所有样本的第d个特征构成的集合记为fd＝{x1,d,x2,d,…,xi,d,…,xN,d}；步骤3.3：基于Gr，对第t代种群Pt进行初始化：定义第t代种群其中，Pmt为第t代种群Pt中Gm对应的第m个种群，并用于对第r次分组下的第m个特征分组下的标签进行预测，且Pmt＝{p1t,m,p2t,m,…,pet,m,…,pnt,m}，n为种群的规模，pet,m为第m个种群Pmt中的第e个个体，每个个体代表的一种预测标签，且其中，表示第m个种群Pmt中的第e个个体对第e个无标记样本的预测标签，若预测为正标记样本，则令否则，令步骤3.4：初始化第m个种群Pmt中的第e个个体pet,m，从而得到第m个种群Pmt；步骤3.5：当modt,InterEv≠0时，采用NSGA-II的进化算子对Pmt进行独立进化，得到第t+1代的第m个种群Pmt+1；从而得到第t+1代种群Pt+1，mod·,·表示取余函数；当modt,InterEv＝0时，采用协同优化法选择两个种群进行协同进化，得到第t+1代的两个种群；从而得到第t+1代种群Pt+1，mod·,·表示取余函数；步骤3.6：当modt,InterRe＝0时，采用投票集成方法对第t代种群Pt中所有个体所对应的预测标签进行处理，得到第t代种群Pt输出的第r次分组下的XU的预测标签否则，将t+1赋值给t，返回步骤3.5顺序执行；步骤3.7：当t＝maxGen时，输出第maxGen代种群PmaxGen输出的第r次分组下XU的预测标签并作为XU最终优化的标签否则，将t+1赋值给t，返回步骤3.2顺序执行；步骤四、测试样本分类；步骤4：基于医学影像数据集为X及其优化后的标签通过监督学习训练分类器，从而得到训练后的分类器用于对医学影像进行预测，并输出预测标签。

全文数据：

权利要求：

百度查询： 安徽大学 一种面向正标记和无标记样本学习的医学影像分类方法

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