[发明专利]用于在计算机辅助肺结核假阳性降低中克服不平衡事例数目的层化方法

权利要求书

1.一种用于在医学图像数据内计算机辅助检测感兴趣部位或者体积体的方法，包括计算机辅助检测处理以检测并描绘候选的感兴趣部位或者体积体，以及在训练阶段中的计算机辅助检测后机器学习以最大化特异性并减少在处理非训练数据之后所报告的假阳性数目，所述方法包括步骤：

在训练阶段期间：

利用所述计算机辅助检测处理在医学图像训练数据集中识别并分割所述感兴趣部位或者体积体，其中有关特定感兴趣部位或者体积体的医学真实数据对于所述医学图像训练数据集是已知的，其中所述医学图像训练数据集被选择为包括多个根据真实数据已知为真的部位或者体积体和多个根据真实数据已知为假的部位或者体积体，

其中如果由于在一个基本真实类别中的感兴趣部位或者体积体的数目显著小于在另一个基本真实类别中的感兴趣部位或者体积体的数目而导致所述医学图像训练数据失衡，则执行层化处理来重新平衡所述图像训练数据，

从所识别并分割的感兴趣部位或者体积体中提取特征以创建特征池来限定所述感兴趣部位或者体积体，

向所述特征池应用遗传算法处理器以从在训练中使用的计算机辅助检测描绘的部位或者体积体的特征池中确定最优特征子集，所述最优特征子集用于由分类器使用来分类非训练数据内的感兴趣部位或者体积体，以及

使用最优特征子集在医学图像训练数据上训练所述分类器，以及

在训练之后，

在非训练数据内检测候选部位；

分割在非训练数据内识别的候选部位；

提取与每个所分割候选部位有关的候选特征集；以及

依照所述训练阶段中的处理、根据具有实际特异性的候选特征集将候选部位映射到真实数据空间中。

2.根据权利要求1所述的方法，其中所述分类器是支持向量机。

3.根据权利要求1所述的方法，其中所述向所述特征池应用遗传算法处理器以确定最优特征子集的步骤还包括：将在训练数据内的每个部位内所识别的特征池定义为染色体，其中每个基因表示一个特征，并且其中遗传算法最初通过随机选择特征来繁殖染色体，以及迭代搜索在所有染色体中具有较高适合度的那些染色体，其中在所述训练阶段期间为每代都重复评估，并利用变异和交叉生成比旧染色体更适合的新染色体。

4.根据权利要求3所述的方法，其中所述适合度由三个适合度功能表示，这三个适合度功能为灵敏度、特异性和染色体中所包括的特征数，以及

所述三个适合度功能以不同的优先级排序，所述灵敏度具有第一优先级，所述特异性具有第二优先级，所述特征数具有第三优先级。

5.根据权利要求1所述的方法，其中如果所述数据是失衡的而使得已知为假的部位或者体积体的数目明显多于已知为真的部位或者体积体的数目，那么所述层化处理从所述已知为假的部位或者体积体的数目中选择已知为假的部位或者体积体的新数目，从而使已知为假的部位或者体积体的新数目和已知为真的部位或者体积体的数目相互平衡。

6.如权利要求1所述的方法，包括训练用于对在医学图像数据内检测到的形态学上感兴趣的部位或者体积体进行分类的分类器，其中所述训练包括根据层化处理选择数据来训练分类器，该方法包括：

基于部位尺寸将已知为假的感兴趣部位或者体积体的池分隔到N数量个子集中，以便第N子集包括最大的感兴趣部位或者体积体子集，其中N是大于1的整数；

利用第N子集和所有已知为真的感兴趣部位或者体积体执行机器学习处理；

根据所述机器学习生成分类器；以及

向剩余的N-1个子集中的每一个应用该分类器。