【技术实现步骤摘要】
本专利技术涉及乳腺组织ct影像分类，尤其涉及一种基于进化多任务优化的乳腺组织ct影像分类方法。
技术介绍
1、目前乳房x射线是检测乳腺病变的最常用方法。传统的方法通过对乳腺组织ct影像预处理后获取具有明显肿瘤特征的部分，再识别影像状态，可能会忽略其他部分特征，其效率和准确率都较低。
技术实现思路
1、本专利技术为克服现有技术的不足之处，提出一种基于进化多任务优化的乳腺组织ct影像分类方法，以期能快速分类出乳腺组织ct影像情况，并提升分类结果的准确度和精度。
2、本专利技术为达到上述专利技术目的，采用如下技术方案：
3、本专利技术一种基于进化多任务优化的乳腺组织ct影像多分类方法的特点在于，是按如下步骤进行：
4、步骤1：采集t个乳腺组织ct影像样本，并提取t个乳腺组织ct影像样本关于各个类别的属性特征并进行标准归一化处理，从而得到t个乳腺组织ct影像的样本数据集其中，(xt,yt)表示第t个乳腺组织ct影像的样本数据，xt表示第t个乳腺组织ct影像样本的属性特征，并有：表示第t个乳腺组织ct影像样本中第i个属性的特征值，yt表示第t个乳腺组织ct影像样本的标签，i＝1,2,…,d，t＝1,2,…,t，d表示属性特征的维度，yt∈[1,m]，m为标签类别数目；
5、步骤2：初始化；
6、步骤2.1：基于一对一分解策略将样本数据集分成个二类训练子集，并为每一个训练子集构建用于对乳腺组织ct影像样本进行分类的n个子分类器，并将每
7、步骤2.2：定义当前迭代次数为g，最大迭代次数为g，并初始化g＝1；
8、通过进化多任务优化法初始化第j个训练子集对应的第g代种群，记为表示第g代第j个种群中第n个个体，且每个个体的长度为d，
9、步骤2.3：计算第g代第j个种群的真阳性率假阳性率平均精度以及二类训练子集正负类的比例从而得到第g代第j个种群的四维相似向量
10、步骤3：基于每个训练子集对应的第g代种群的四维相似向量之间的欧式距离，使用k-means聚类算法将第g代个种群分成m个簇；
11、步骤4：定义第g代第j个种群的状态为并初始化表示第g代第j个种群处于独立态；
12、步骤5：定义第j个临时变量为tempj，用记录第j个种群状态发生改变的时刻，并初始化为tempj＝g；
13、步骤6：对第g代第j个种群执行进化多任务优化，得到第g+1代第j个种群
14、若则对第g代第j个种群进行交叉变异后，生成第g代第j个子代种群其中，表示第g代第j个子代种群中第n个个体，将和合并为第g代第j个合并种群计算中每个个体的真阳性率和假阳性率，从而根据真阳性率和假阳性率计算中2n个个体的拥挤距离和适应度值后，通过非支配排序和精英选择策略，从中选取n个优秀个体作为第g+1代第j个种群
15、若表示第g代第j个种群处于交互态，则找到第g代第j个种群所在的簇，并对簇内其它种群按照其平均精度进行排序，选取排名前一半的种群，并从中按照个体的精度排名顺序挑选前n个优秀个体组成第g代第j个种群的协助父代通过进化多任务优化法的交叉变异算子对和进行交互，生成第g代第j个子代种群将和合并为第g代第j个合并种群并计算中每个个体的真阳性率和假阳性率，从而根据真阳性率和假阳性率计算第中2n个个体的拥挤距离和适应度值后，通过非支配排序和精英选择策略，从中选取n个优秀个体作为第g+1代第j个种群
16、步骤7：当g为10的倍数时，将g+1的值赋给g，记录第g代第j个种群的平均精度后，执行步骤8；否则，将g+1的值赋给g，重复执行步骤6；
17、步骤8：当或且g-tempj＞10时，执行步骤9，否则，执行步骤10，δ表示阈值；
18、步骤9：若第g代第j个种群的状态为独立态，则更改为交互态，若第g代第j个种群的状态为交互态，则更改为独立态，并将g赋给tempj后，执行步骤15；
19、步骤10：将第g代第j个种群从所在簇中移除；判断是否存在簇中的种群数目小于等于2的簇，若存在，则计算第g代个种群的相似向量后，返回步骤3重新分簇；否则，执行步骤11；
20、步骤11：初始化c＝1；
21、步骤12：取第g代第c个簇的簇心种群的种群中精度最高的个体用去更新第g代第j个种群的相似向量并计算第g代第c个簇的簇心种群的相似向量和第j个种群的相似向量之间的欧氏距离；
22、步骤13：c+1赋值给c后，返回步骤12，直到c>m为止；
23、步骤14：从m个欧式距离中选出最小值所对应的簇心种群将第g代第j个种群加入簇心种群所在的簇中；
24、步骤15：判断g＞g是否成立，若成立，则执行步骤16；否则，回到步骤6顺序执行；
25、步骤16：从第g代每个种群中选取精度最高个体组成用于乳腺组织ct影像样本分类的最优多分类器其中，表示第j个种群中精度最高的个体；
26、以fmc作为乳腺组织ct影像分类模型，实现对乳腺组织ct影像样本的分类。
27、本专利技术所述的基于进化多任务优化的乳腺组织ct影像样本分类方法的特点也在于，所述第t个乳腺组织ct影像样本样本的属性特征值包括：团块厚度，细胞大小的均匀性，细胞形状的均匀性，边缘附着力，单层上皮细胞大小。
28、若所述第t个乳腺组织ct影像样本样本的标签yt＝1，表示第t个乳腺组织ct影像样本样本为正常状态，若yt＝2，表示第t个乳腺组织ct影像样本样本为异常状态，若yt＝3，表示第t个乳腺组织ct影像样本样本为紧急状态。
29、本专利技术一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述乳腺组织ct影像分类方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
30、本专利技术一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序的特点在于，所述计算机程序被处理器运行时执行所述乳腺组织ct影像分类方法的步骤。
31、与现有技术相比，本专利技术的有益效果在于：
32、1、本专利技术不同于传统的乳腺组织ct影像分类方法，提出一种基于进化多任务优化的乳腺组织ct影像分类方法，通过从乳腺组织ct影像提取能有效分辨肿瘤情况的属性特征，利用进化多任务优化训练乳腺组织ct影像分类模型，从而能够从大量的乳腺组织ct影像数据中快速高效准确分类出样本状态，可以大规模节省人力，节省时间，多数情况下还可以节省经费，并完全可以达到与人工解译、和传统统计方法结合相同或更高的精度，提高了识别效率。
33、2、本专利技术在训练乳腺组织ct影像预测模型参数过程中，采取直接优化真阳性率tpr和假阳性率fpr两个目标，能够很好的度量不平衡数据处理的整体性能，从而克服了传统分类算法不能有效解决样本状态类别比例极度不平衡问题，使训练本文档来自技高网...
【技术保护点】
1.一种基于进化多任务优化的乳腺组织CT影像多分类方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于进化多任务优化的乳腺组织CT影像样本分类方法，其特征是，所述第t个乳腺组织CT影像样本样本的属性特征值包括：团块厚度，细胞大小的均匀性，细胞形状的均匀性，边缘附着力，单层上皮细胞大小。
3.根据权利要求1所述的一种基于进化多任务优化的乳腺组织CT影像样本分类方法，其特征是，若所述第t个乳腺组织CT影像样本样本的标签yt＝1，表示第t个乳腺组织CT影像样本样本为正常状态，若yt＝2，表示第t个乳腺组织CT影像样本样本为异常状态，若yt＝3，表示第t个乳腺组织CT影像样本样本为紧急状态。
4.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-3中任一所述乳腺组织CT影像分类方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
5.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-3中任一所述乳腺组织CT影
...【技术特征摘要】
1.一种基于进化多任务优化的乳腺组织ct影像多分类方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于进化多任务优化的乳腺组织ct影像样本分类方法，其特征是，所述第t个乳腺组织ct影像样本样本的属性特征值包括：团块厚度，细胞大小的均匀性，细胞形状的均匀性，边缘附着力，单层上皮细胞大小。
3.根据权利要求1所述的一种基于进化多任务优化的乳腺组织ct影像样本分类方法，其特征是，若所述第t个乳腺组织ct影像样本样本的标签yt＝1，表示第t个乳腺组织ct影像样本样本为正常...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。