基于混合子空间学习选择性集成的微钙化簇检测方法技术

本发明专利技术公开了一种基于混合子空间学习选择性集成的微钙化簇检测方法，它属于图像处理技术领域。其检测过程包括学习得到子空间方法集合所对应的特征投影矩阵集；在特征子空间中训练基学习器并得到其训练权重；将子空间投影矩阵集和基学习器模型及其权重保存起来；选择最优子空间学习方法集及基学习器模型存储到检测模型库；计算待检测图像在检测模型库中的各子空间的投影向量，并输入到相应基学习器模型得到测试结果集；最后计算测试结果集的加权平均值，作为微钙化簇检测的最后结果。本发明专利技术在噪声环境下能很好地进行子空间特征的提取和微钙化簇的检测，提高了微钙化簇检测系统检测性能和稳定性，可用于乳腺癌辅助诊断系统。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及混合多子空间学习和集成学习方法，主要用于乳腺癌辅助诊断系统。
技术介绍
模式识别的发展面临许多问题和挑战，其中尤为突出的就是数据的"维数灾难"问题。医学影像数据、金融市场交易数据、消费市场数据、语音数据以及人脸图像数据等，其表象均是高维的。这种维数的膨胀，给数据分析带来了较大的挑战，使计算机实现机器学习算法处理时存在着很大的困难。因此，模式识别中的数据降维技术应运而生。通过学习或优化的方法，降维技术可以找到数据的内在结构和联系，去除冗余信息，提取到有利于数据表达或数据分类的判别信息，从而达到降低计算量、提高分类速度和精度的目的。 目前降维技术的常用方法是子空间学习的方法。子空间学习一般分为线性和非线性的方法。传统的线性子空间学习方法中主要有主成分分析、线性判别分析、因子分析、投影追踪等。另一类是基于全局的非线性子空间学习方法，主 要 包 括MDS(Multitidimensional Scaling) 、 SPE (Stochastic ProximityEmbedding) 、 Isomap、 FastMVU(Fast Maximum Vari本文档来自技高网...

【技术保护点】
一种基于混合子空间学习选择性集成的微钙化簇检测装置，包括：　　　　子空间学习模块，用于根据训练样本集对子空间学习方法集中的每一个子空间进行训练学习，得到相应的子空间投影矩阵集，并将子空间投影矩阵集输入到基学习器训练模块；　　　　基学习器训练模块，用于根据子空间投影矩阵集将训练样本集映射到子空间学习方法集中的每一个子空间，并选取用户设定比例的样本对每一个子空间相对应的基学习器模型进行训练，用剩余的样本进行测试得到测试结果，得到基学习器模型集合，并将基学习器模型集和子空间投影矩阵集输入到选择模块；　　　　选择模块，用于根据基学习器模型集和子空间投影矩阵集选择最优子空间及与子空间相对应的基学习器模型...

【技术特征摘要】

【专利技术属性】
技术研发人员：高新波，张新生，邓成，王颖，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]