【技术实现步骤摘要】
本专利技术属于人工智能深度学习后颅窝脑图像分类领域，具体的说是一种基于一致性对齐的脑部mri图像分类方法、设备和介质。
技术介绍
1、已经有众多的研究和实践表明，深度学习技术在图像分类任务上具有显著的优势，特别是在脑部mri的分类任务上。传统的方法大多采用在大规模的自然图像上预训练好的模型，再对其进行微调，以适应少量的医学图像数据。部分研究也尝试对模型结构进行调整，以期更好地适应医学图像的特性。
2、但是自然图像与医学图像在多个维度上存在明显差异。首先，两者的获取方式大相径庭。自然图像大多是在日常环境下通过相机采集的，而医学图像，如mri，是通过特定的医学设备在特定的条件下获取的。此外，医学图像的灰度分布和自然图像存在较大的区别，医学图像往往更为复杂，包含了大量的生物学信息。再者，由于医学设备的特性以及环境因素，医学图像中可能存在与自然图像不同的噪声模式。
3、由于上述因素，自然图像与医学图像之间存在明显的域偏移。这种域偏移在实际应用中可能导致模型的泛化性降低，对分类的准确性产生负面影响。理论上，为了解决这个问题，可以收集大量的医学图像数据，并在这些数据上进行深度学习模型的训练。但实际操作中，尤其是针对特定的脑部mri图像，相应的数据资源相对稀缺，获取充分的数据量是一大挑战。因此，仅仅依靠微调预训练模型或者修改模型结构来解决上述问题显然是不够的。如何开发一种能够有效利用有限数据来提高模型的鲁邦性和泛化能力是一个有待解决的问题。
技术实现思路
1、本专利技术为
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一致性对齐的脑部mri图像分类方法的特点在于，是按照如下步骤进行：
4、步骤1、对 k类脑部mri图像进行预处理：
5、步骤1.1、使用n4itk场矫正法对 k类脑部mri图像进行检测和矫正，得到处理后的脑部图像数据集；
6、步骤1.2、使用hd-bet法对脑部图像数据集进行去颅骨操作，得到去颅骨后的脑部图像数据集 x = { x i | i = 1 ,2 ,...,n}，其中， x i表示第 i个脑部mri图像样本，令 xi的类别标签为 yi，从而得到第 i个样本数据{ x i ,y i}， yi∈{1 ,2 ,...,k}； k表示脑部mri图像的总类别；
7、步骤2、特征提取器 f 对第 i个脑部mri图像样本 x i进行处理得到第 i个脑部mri图像样本 x i属于第 j个类别的预测概率；
8、步骤3、利用两类差异化目标函数建立不一致性特征以及对抗样本：
9、步骤a、利用式(7)构建第一类对抗样本 x adv1：
10、 (7)
11、式(7)中， δ表示差异性对抗扰动，|| || p表示 l p范数， η表示扰动强度的控制参数， w为特征提取器 f的参数， l adv1表示第一类差异化目标函数，并由式(8)得到： (8)
12、式(8)中， λ代表用于平衡两个目标函数的超参数， l ce表示基于任务的目标函数； l con表示辅助的目标函数；
13、步骤b、利用式(9)构建第二类对抗样本 x adv2：
14、 (9)
15、式(9)中， l adv2表示第二类差异化目标函数，并由式(10)得到； (10)
16、步骤4、利用式(11)构建一致性矫正函数 l tot：
17、 (11)
18、式(11)中， β是待调节的超参数； l a ce表示两类对抗样本的基于任务的目标函数， l a con表示两类对抗样本的辅助的目标函数， x adv1表示第一类对抗样本， x adv2表示第二类对抗样本；
19、步骤5、基于去颅骨后的脑部图像数据集 x，利用梯度下降法对所述特征提取器 f进行训练，并计算一致性矫正函数 l tot以更新参数 w，直到一致性矫正函数 l tot收敛为止，从而得到训练后的特征提取器，用本文档来自技高网...
【技术保护点】
1.一种基于一致性对齐的脑部MRI图像分类方法，其特征在于，是按照如下步骤进行：
2.根据权利要求1所述基于一致性对齐的脑部MRI图像分类方法，其特征在于，所述步骤2包括：
3.根据权利要求2所述基于一致性对齐的脑部MRI图像分类方法，其特征在于，所述步骤2.2是按照如下步骤进行：
4.根据权利要求1所述基于一致性对齐的脑部MRI图像分类方法，其特征在于，所述步骤3是按照如下步骤进行：
5.根据权利要求2所述基于一致性对齐的脑部MRI图像分类方法，其特征在于，所述步骤4是利用式(12)构建基于任务的目标函数LCE：
6.根据权利要求2所述基于一致性对齐的脑部MRI图像分类方法，其特征在于，所述步骤4是利用式(13)构建辅助的目标函数LCon：
7.根据权利要求1所述基于一致性对齐的脑部MRI图像分类方法，其特征在于，所述步骤4是利用式(14)和式(15)构建基于任务的目标函数LaCE和辅助的目标函数LaCon：
8.一种电子设备，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
9.一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1-7中任一所述脑部MRI图像分类方法的步骤。
...【技术特征摘要】
1.一种基于一致性对齐的脑部mri图像分类方法，其特征在于，是按照如下步骤进行：
2.根据权利要求1所述基于一致性对齐的脑部mri图像分类方法，其特征在于，所述步骤2包括：
3.根据权利要求2所述基于一致性对齐的脑部mri图像分类方法，其特征在于，所述步骤2.2是按照如下步骤进行：
4.根据权利要求1所述基于一致性对齐的脑部mri图像分类方法，其特征在于，所述步骤3是按照如下步骤进行：
5.根据权利要求2所述基于一致性对齐的脑部mri图像分类方法，其特征在于，所述步骤4是利用式(12)构建基于任务的目标函数lce：
6.根据权利要求2所述基于一致性对齐的脑部mri图像分类...
【专利技术属性】
技术研发人员：孙诚昊，闫子寒，张永岗，欧云尉，田新梅，宫剑，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：
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。