[发明专利]一种医学影像分类方法

权利要求书

1.一种医学影像分类方法，其特征在于，包括以下步骤：

步骤1、采集大量医疗影像采用自动编码器对进行训练，得到的特征向量集合，即样本集合对进行标记，得到对应的类别标签其中，为d维列向量，为实数，l为有标签样本数量、n为所有样本数量，u＝n-l为无标签样本数量；

初始化：人工设定以下参数：模型复杂度系数γ_A0，平滑符合度系数γ_I0，连接性融合系数η∈(0,1)，损失系数C0，隐藏层节点数N0；

步骤2、随机生成隐藏层映射函数的输入权重向量与输入偏置如下：

随机生成N个w，得到w₁,...,w_N；随机生成N个b，得到b₁,...,b_N；

步骤3、生成隐藏层输出函数：

h(x)＝[G(w₁,b₁,x),…,G(W_N,b_N,x)]^T

其中，G(w,b,x)为激活函数，x表示样本；

步骤4、生成隐藏层输出矩阵：

H＝[h(x₁),…,h(x_l+u)]^T

步骤5、构造图拉普拉斯矩阵：

步骤501、构造特征相似性图拉普拉斯矩阵L_G：

L_G＝D_G-W_G

其中，W_G为特征相似性矩阵，其第i行第j列元素[W_G]_ij为：

其中，x_i与x_j为样本，i,j∈{1,…,l+u}，σ0为高斯核宽；D_G为W_G的度矩阵；

步骤502、构造必连图拉普拉斯矩阵L_m：

L_m＝D_m-W_m

其中，W_m为必连图矩阵，当x_i与x_j为同类样本时，W_m的第i行第j列元素[W_m]_ij＝1，当x_i与x_j是否为同类样本未知时，[W_m]_ij＝0；D_m为W_m的度矩阵；

步骤503、构造必断图拉普拉斯矩阵L_c：

L_c＝D_c-W_c

其中，W_c为必断图矩阵，当x_i与x_j为异类样本时，W_c的第i行第j列元素[W_c]_ij＝1，当x_i与x_j是否为异类样本未知时，[W_c]_ij＝0；D_c为W_c的度矩阵；

步骤6、使用以下模型预测医学影像的类别：

其中，I为单位阵，是一个对角阵，其前l个对角元素为1，其余对角元素为0；l为有标注样本的数量，u为无标注样本的数量，

2.如权利要求1所述的一种医学影像分类方法，其特征在于，步骤3所涉及的激活函数G(w,b,x)为：

。

3.如权利要求1所述的一种医学影像分类方法，其特征在于，步骤3所涉及的激活函数G(w,b,x)为：

。

4.如权利要求1、2、3所述的任意一种医学影像分类方法，其特征在于，Nd。

5.如权利要求1、2、3所述的任意一种医学影像分类方法，其特征在于，lN。