申请/专利权人：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

申请日：2024-01-18

公开（公告）日：2024-04-23

公开（公告）号：CN117593594B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06V10/24;G06N3/0475;G06N3/0464;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开了一种基于一致性对齐的脑部MRI图像分类方法、设备和介质，该方法包括两个阶段，阶段一：1.数据预处理并构建特征提取器；2.构建基于任务的目标函数、辅助的目标函数以及差异化目标函数；3.通过对抗梯度回传建立不一致性特征以及相应的对抗样本；阶段二：使用基于不一致性特征得到的对抗样本对模型进行一致性对齐，从而大幅度提高模型的分类性能。本发明能够通过差异化特征的方式提高分类模型的泛化能力和鲁棒性。

主权项：1.一种基于一致性对齐的脑部MRI图像分类方法，其特征在于，是按照如下步骤进行：步骤1、对K类脑部MRI图像进行预处理：步骤1.1、使用N4ITK场矫正法对K类脑部MRI图像进行检测和矫正，得到处理后的脑部图像数据集；步骤1.2、使用HD-BET法对脑部图像数据集进行去颅骨操作，得到去颅骨后的脑部图像数据集X={xi|i=1,2,...,N}，其中，xi表示第i个脑部MRI图像样本，令xi的类别标签为yi，从而得到第i个样本数据{xi,yi}，yi∈{1,2,...,K}；K表示脑部MRI图像的总类别；步骤2、特征提取器f对第i个脑部MRI图像样本xi进行处理得到第i个脑部MRI图像样本xi属于第j个类别的预测概率；步骤3、利用两类差异化目标函数建立不一致性特征以及对抗样本；步骤a、利用式7构建第一类对抗样本Xadv1： 7式7中，δ表示差异性对抗扰动，||||p表示lp范数，η表示扰动强度的控制参数；w为特征提取器f的参数，Ladv1表示第一类差异化目标函数，并由式8得到： 8式8中，λ代表用于平衡两个目标函数的超参数，LCE表示基于任务的目标函数，LCon表示辅助的目标函数；步骤b、利用式9构建第二类对抗样本Xadv2： 9式9中，Ladv2表示第二类差异化目标函数，并由式10得到： 10步骤4、利用式11构建一致性矫正函数LTot： 11式11中，β是待调节的超参数；LaCE表示两类对抗样本的基于任务的目标函数，LaCon表示两类对抗样本的辅助的目标函数，Xadv1表示第一类对抗样本，Xadv2表示第二类对抗样本；步骤5、基于去颅骨后的脑部图像数据集X，利用梯度下降法对所述特征提取器f进行训练，并计算一致性矫正函数LTot以更新参数w，直到一致性矫正函数LTot收敛为止，从而得到训练后的特征提取器，用于实现对脑部MRI图像的分类。

全文数据：

权利要求：

百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 基于一致性对齐的脑部MRI图像分类方法、设备和介质

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