一种基于多任务学习的多疾病联合测定方法技术

本发明专利技术属于疾病检测与深度学习技术领域，公开了一种基于多任务学习的多疾病联合测定方法，输入为多种病人的MRI图像，先提取这些病人MRI图像的特征；使用主成分分析法等方法降维处理来得到最能代表这些特征的若干特征。最后，将特征和与其对应的标签填入多任务学习算法，得到对应于每种疾病的决策函数，诊断通过决策函数确定；当新的病例的MRI图像送来之后，对其进行特征提取，使用特征与每种疾病的决策函数进行医学诊断，判断病人是何种疾病。本发明专利技术可以使多种疾病联合诊断，更贴近于现实诊断，对诊断的准确性有所提升。

A Method of Joint Detection of Multiple Diseases Based on Multitask Learning

The invention belongs to the field of disease detection and in-depth learning technology, and discloses a multi-task learning-based multi-disease joint detection method, which inputs the MRI images of various patients, extracts the features of these patients'MRI images first, and uses principal component analysis and other methods to reduce dimension to obtain some features that best represent these features. Finally, the feature and its corresponding label are filled into the multi-task learning algorithm, and the decision function corresponding to each disease is obtained. The diagnosis is determined by the decision function. When the new case's MRI image is sent, the feature is extracted and the decision function of each disease is used for medical diagnosis to determine what kind of disease the patient is. The invention can make the joint diagnosis of various diseases closer to the actual diagnosis and improve the accuracy of diagnosis.

【技术实现步骤摘要】
一种基于多任务学习的多疾病联合测定方法
本专利技术属于疾病检测与深度学习
，尤其涉及一种基于多任务学习的多疾病联合测定方法。
技术介绍
目前，业内常用的现有技术是这样的：肺癌是一种常见的恶性程度很高的肺部肿瘤，作为全球致死率最高的疾病之一，世界各国都在加大力度研究肺癌的预防、诊断。由于肺炎、肺结核与肺癌具中有相似的临床表现。因此出现了影像学的技术，其中MRI是在近年迅速发展起来较新的一项影像技术，在肺癌的诊断方面表现出更好的效果。机器学习技术凭借其强大的处理性能和决策能力，在医疗行业得到普遍应用。在影像学的方法中，最常用的方法就是基于支持向量机(SVM)的诊断方法。在现有的基于支持向量机的算法中，首先提取MRI图像的特征，如灰度共生矩阵(GLCM)和灰度行程矩阵(GLRLM)。第二步，降维处理，由于从矩阵中提取出的特征动辄几千维，相比测试使用的病例数量较少，为了防止过拟合的出现，通常使用主成分分析法(PCA)降维处理来得到最能代表这些特征的若干特征。第三步，将特征和与其对应的标签(Label)填入SVM进行学习，得到用于分类的支持向量。第四步，当新的病例的MRI图像送来之后，对本文档来自技高网...

【技术保护点】
1.一种基于多任务学习的多疾病联合测定方法，其特征在于，所述基于多任务学习的多疾病联合测定方法先使用多任务对多种疾病进行联合学习，得到的每种疾病的决策函数，实现多种疾病的联合检测；训练完成后，输入新来病人的MRI图像，提取特征，降维处理，再将病人的特征带入决策函数，通过每种疾病的决策函数确认病人所患何种疾病。

【技术特征摘要】
1.一种基于多任务学习的多疾病联合测定方法，其特征在于，所述基于多任务学习的多疾病联合测定方法先使用多任务对多种疾病进行联合学习，得到的每种疾病的决策函数，实现多种疾病的联合检测；训练完成后，输入新来病人的MRI图像，提取特征，降维处理，再将病人的特征带入决策函数，通过每种疾病的决策函数确认病人所患何种疾病。2.如权利要求1所述的基于多任务学习的多疾病联合测定方法，其特征在于，所述基于多任务学习的多疾病联合测定方法包括以下步骤：步骤一，输入为多种病人的MRI图像，先提取这些病人MRI图像的特征，；使用主成分分析法方法降维处理来得到最能代表特征的若干特征；步骤二，将特征和与其对应的标签填入多任务学习算法，得到对应于每种疾病的决策函数；步骤三，当新的病例的MRI图像送来之后，进行特征提取，使用特征与每种疾病的决策函数进行医学诊断，判断病人是何种疾病。3.如权利要求2所述的基于多任务学习的多疾病联合测定方法，其特征在于，所述基于多任务学习的多疾病联合测定方法具体包括以下步骤：第一步，得到M种疾病的合计N个MRI图像；计算这N个MRI图像的灰度共生矩阵和灰度行程矩阵；第二步，从N个MRI图像的灰度共生矩阵和灰度行程矩阵中提取特征，再对特征使用PCA进行降维处理，得到少量特征来进行学习；第三步，初始化多任务学习的参数，将N组特征分别附上其对应的标签，即疾病的种类，准备进行学习，并对α，β进行初始赋值；第四步，固定β使用SMO算法求出最优的α矩阵；...

【专利技术属性】
技术研发人员：秦伟，许娜，刘鹏，隗英，范莹莹，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61