[发明专利]利用支持向量机（SVM）在计算机辅助检测（CAD）中进行假阳性降低的系统和方法

权利要求书

1.一种用于在对诸如HRCT数据之类的医学图像数据内的部位进行计算机辅助检测(CAD)以及分类期间进行假阳性降低(FPR)的方法，所述方法实现了处理后机器学习以便最大化分类的特异性和敏感性，以及以便实现降低由FPR系统所报告的假阳性检测的数目，该方法包括以下步骤：

在被选择为包括若干真和假部位的医学图像训练数据集合上训练分类器，其中该真和假部位由CAD处理来识别，以及被自动地分割，其中分割训练部位由至少一个专家来审阅以把每个训练部位针对其基础事实，即真或假，进行分类，本质上限定自动分割，其中从每个分割部位来识别和提取特征池，以及其中由遗传算法来处理该特征池以识别最佳特征子集，所述子集用来训练支持向量机；

在非训练医学图像数据内检测作为分类侯选者的部位；

对候选部位进行分割；

从每个分割的候选部位中提取特征集合；以及

在根据最佳特征子集进行训练之后利用支持向量机来对候选部位进行分类，以及处理该候选特征集合。

2.如权利要求1中所阐述的用于CAD和分类的处理，其中训练步骤更进一步包括确定提供最佳拟合的特征子集的尺寸，并且确定特征的身份。

3.如权利要求2中所阐述的用于CAD和分类的处理，其中确定包括在两个阶段中应用GA，包括：

a.)关于它的特征集合以及特征的数目而识别每个染色体；以及

b.)为每个染色体分析所识别的特征集合以及所识别的特征数目，以便基于不同染色体出现的次数以及平均误差的次数而确定特征的最佳尺寸。

4.如权利要求1中所阐述的用于CAD和分类的处理，其中训练步骤更进一步包括把特征池定义成染色体，其中每个特征表示基因，以及其中遗传算法最初通过随机选择特征来繁殖染色体，以及迭代地搜索具有较高适合度的那些染色体，其中利用变异和交叉对每一代进行重复评估，产生新的且更适合的染色体。

5.一种包括计算机可读指令集合的计算机可读介质，其通过下载有指令的通用计算机来处理，实现一种包括下述步骤的方法：

一种用于在对诸如HRCT数据之类的医学图像数据内的部位进行计算机辅助检测(CAD)以及分类期间进行假阳性降低(FPR)的方法，所述方法实现了处理后机器学习以便最大化分类的特异性和敏感性，以及以便实现降低由FPR系统所报告的假阳性检测的数目，该方法包括以下步骤：

在被选择为包括若干真和假部位的医学图像训练数据集合上训练分类器，其中该真和假部位由CAD处理来识别，以及被自动地分割，其中分割训练部位由至少一个专家来审阅以把每个训练部位针对其基础事实，即真或假，进行分类，实质上限定自动分割，其中从每个分割部位来识别和提取特征池，以及其中由遗传算法来处理该特征池以识别最佳特征子集，所述子集用来训练支持向量机；

在非训练医学图像数据内检测作为分类侯选者的部位；

对候选部位进行分割；

从每个分割的候选部位中提取特征集合；以及

在根据最佳特征子集进行训练之后利用支持向量机来对候选部位进行分类，以及处理该候选特征集合。

6.一种医学图像分类系统，其包括CAD子系统以及用于假阳性降低(FPR)的子系统，所述FPR子系统包括支持向量机训练后期CAD、以特异性和敏感性来对图像数据内所检测的相关部位进行临床上的分类以最小化所报告的假阳性，包括：

用于识别和描绘图像数据内所检测的临床上相关的部位的CAD子系统；

与该CAD子系统相通信的假阳性降低子系统，包括：

用于从每个CAD描绘的部位中提取特征池的特征提取器；

与该特征提取器相通信以提供该特征池的最佳子集的遗传算法；以及

与特征提取器和GA相通信的支持向量机(SVM)，其依照具有最少假阳性的特征子集来对每个所描绘部位进行分类；

其中首先在包括已知是真阳性或是假阳性的部位的图像集合上训练该系统，从中提取特征以及利用GA来识别最佳子集以便SVM对未知部位进行最佳分类。

7.权利要求6中所阐述的医学图像分类系统，其中CAD子系统更进一步包括用于对CAD子系统所识别部位进行描绘的分割子系统。