Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种小样本直肠癌MR图像的完全可解释的分期预测方法、装置及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明涉及图像识别领域,尤其指一种小样本直肠癌MR图像的完全可解释的分期预测方法、装置及介质;计算预处理后的直肠癌MR图像的共生矩阵提取每张图像的物理特征,真实标签也作为物理特征;根据图像及真实标签确定K个聚类以表征直肠癌分期阶段;对物理特征用模糊C均值算法得到K个聚类的相关信息;根据K个聚类的相关信息训练TSK模糊系统得到初始直肠癌分期预测模型;将直肠癌MR图像及真实标签输入模型输出分期预测值;以预测误差、输出方差和改进的特征分布损失构建模型中模糊规则权重的目标函数;以解析解的形式对目标函数求解,得到优化后的规则权重及直肠癌分期预测模型,实现基于少量直肠癌MR图像的完全可解释的分期预测。

主权项:1.一种小样本直肠癌MR图像的完全可解释的分期预测方法,其特征在于,包括以下步骤:对直肠癌MR图像进行预处理;计算预处理后的直肠癌MR图像的共生矩阵并通过共生矩阵提取预处理后的直肠癌MR图像的D维物理特征,将预处理后的直肠癌MR图像的真实标签作为第D+1维物理特征,则共有D+1维物理特征;根据预处理后的直肠癌MR图像及其真实标签确定K个聚类,聚类表征直肠癌分期阶段;对预处理后的所有直肠癌MR图像的D+1维物理特征使用模糊C均值算法,输出K个聚类的相关信息,其中,相关信息包括第k个聚类下,所有预处理后的直肠癌MR图像的第d维特征的均值,方差及第k个聚类的协方差矩阵;其中,k=1,2,...,K;d=1,2,...,D+1;以K个聚类的相关信息训练TSK模糊系统,得到初始直肠癌分期预测模型;将预处理后的直肠癌MR图像及其真实标签输入初始直肠癌分期预测模型,输出预处理后的直肠癌MR图像的分期预测值;根据预处理后的直肠癌MR图像的分期预测值,以预处理后的直肠癌MR图像的预测误差、输出方差和改进的特征分布损失,构建初始直肠癌分期预测模型中模糊规则的规则权重的凸优化目标函数;其中,改进的特征分布损失包括将特征分布损失进行泰勒展开并舍去所有高于两次的项;结合预处理后的直肠癌MR图像的D+1维物理特征,以解析解的形式对凸优化目标函数求解,得到优化后的直肠癌分期预测模型中模糊规则的规则权重,从而得到优化后的直肠癌分期预测模型。

全文数据:

权利要求:

百度查询: 江南大学 一种小样本直肠癌MR图像的完全可解释的分期预测方法、装置及介质

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。