[发明专利]样本分类方法、装置、计算设备和存储介质

说明书

本申请实施例涉及计算机影像处理技术领域，且涉及一种样本分类方法、装置、计算设备和存储介质。其中方法的方案为：基于正常样本的影像学数据得到正常样本的影像学指标；基于正常样本的影像学指标，利用高斯过程回归模型构建正常参考模型；根据正常参考模型和待分类样本的影像学指标的观测值，得到待分类样本的个体偏离值；利用聚类算法对多个待分类样本的个体偏离值进行聚类分析，得到待分类样本的分类结果。本申请实施例以正常样本的影像学指标构建的正常参考模型作为可靠的参考，基于正常参考模型得到的待分类样本的个体偏离值对个体异常特征具有更强的代表性，在此基础上进行聚类分析使得最终的样本分类结果的准确度更高、稳定性更好。

技术领域

本发明涉及计算机影像处理技术领域，尤其涉及样本分类方法、装置、计算设备和存储介质。

背景技术

通常情况下，正常样本和异常样本的影像学指标会呈现不同的分布情况。对于异常样本而言，由于导致样本异常的归因不同，可以将样本分为不同的类别。如果能够对异常样本进行准确分类，则可以在此基础上探究导致样本异常的归因。但是，不同的异常样本之间的表象可能存在很大的差异。其中，各种表象之间的关系，以及各种表象与影像学指标之间的关系可能是错综复杂的。上述涉及到的各种数据之间的不确定关系，给样本分类造成很大的困难。如何对异常样本进行准确分类，以及探究样本异常归因是目前亟待解决的问题。

发明内容

鉴于现有技术的以上问题，本申请实施例提供一种样本分类方法、装置、计算设备和存储介质，以正常样本的影像学指标构建的正常参考模型作为可靠的参考，基于正常参考模型得到的待分类样本的个体偏离值对个体异常特征具有更强的代表性，在此基础上进行聚类分析使得最终的样本分类结果的准确度更高、稳定性更好。

达到上述目的，本申请第一方面提供了一种样本分类方法，包括：

基于正常样本的影像学数据得到所述正常样本的影像学指标；

基于所述正常样本的影像学指标，利用高斯过程回归模型构建正常参考模型；

根据所述正常参考模型和待分类样本的影像学指标的观测值，得到所述待分类样本的个体偏离值；

利用聚类算法对多个所述待分类样本的个体偏离值进行聚类分析，得到所述待分类样本的分类结果。

作为第一方面的一种可能的实现方式，所述利用高斯过程回归模型构建正常参考模型之后，还包括：

采用交叉验证的方式对所述正常参考模型进行验证。

作为第一方面的一种可能的实现方式，所述根据所述正常参考模型和待分类样本的影像学指标的观测值，得到所述待分类样本的个体偏离值，包括：

根据所述正常参考模型得到所述待分类样本的影像学指标的预测值；

根据所述预测值和所述观测值，得到所述待分类样本的个体偏离值。

作为第一方面的一种可能的实现方式，所述基于正常样本的影像学数据得到所述正常样本的影像学指标，包括：

利用磁共振影像设备获取所述正常样本的静息态功能磁共振影像学数据；

基于所述正常样本的静息态功能磁共振影像学数据，得到所述正常样本的影像学指标。

作为第一方面的一种可能的实现方式，所述正常样本包括健康人群；所述影像学指标包括功能连接强度、低频波动振幅、局部功能一致性和小世界属性中的至少一种。

作为第一方面的一种可能的实现方式，所述基于所述正常样本的影像学指标，利用高斯过程回归模型构建正常参考模型，包括：

以所述正常样本的属性为自变量，以所述正常样本的影像学指标为因变量，构建所述正常参考模型。