[发明专利]用于脑肿瘤分类的视觉表示学习

权利要求书

1.一种用于医疗图像系统中的脑肿瘤分类的方法，所述方法包括：

从患者的脑部的共聚焦激光显微内镜图像提取(60)局部特征，所述局部特征利用在第一层和第二层中的每层中根据独立子空间分析学习的过滤器来提取，其中所述第二层是基于来自所述第一层的输出与所述图像的卷积；

对所述局部特征进行编码(62)；

根据所编码的局部特征利用机器学习式分类器进行分类(64)，所述分类(64)指示所述图像是否包括肿瘤；以及

生成(66)表示所述分类的图像。

2.根据权利要求1所述的方法，其中，提取(60)包括生成(66)经过滤的图像，并且其中，编码(62)包括对经过滤的图像执行主成分分析、k均值分析、聚类或词袋。

3.根据权利要求1所述的方法，其中，分类(64)包括利用包括支持向量机分类器的机器学习式分类器进行分类(64)。

4.根据权利要求1所述的方法，其中，分类(64)包括对所述图像是否包括多形性胶质母细胞瘤、脑膜瘤或者多形性胶质母细胞瘤和脑膜瘤进行分类(64)。

5.根据权利要求1所述的方法，其中，生成(66)所述图像包括指示具有所述肿瘤的图像。

6.根据权利要求1所述的方法，其中，根据独立子空间分析学习的提取(60)包括：利用所述过滤器的过滤器核对所述图像进行过滤，所述过滤的输出是所述局部特征。

7.根据权利要求1所述的方法，其中，根据独立子空间分析学习的提取(60)包括利用在所述第一层和所述第二层中依次学习的所述过滤器进行过滤，所述第一层包括作为利用所述独立子空间分析学习的所述输出的补丁，所述补丁与所述图像进行卷积，所述卷积的结果被输入至所述第二层。

8.根据权利要求1所述的方法，还包括：

获取(58)所述图像作为多个共聚焦激光显微内镜图像之一，基于帧熵从所述多个图像中选择一个图像。

9.一种用于学习医疗系统中的脑肿瘤分类的方法，所述方法包括：

利用一个或更多个共聚焦激光显微内镜获取(40)表示肿瘤脑组织和健康脑组织的共聚焦激光显微内镜图像；

由所述医疗系统的机器学习式计算机对每个利用独立子空间分析的多个层中的图像执行(42)无监督学习，所述层中的所述学习被贪婪地执行；

由过滤器利用从所述无监督学习输出的过滤器核对所述图像进行过滤(50)；

对经过滤的图像进行编码(52)；

对所述编码(52)的输出进行池化(54)；

由所述医疗系统的所述机器学习式计算机利用机器学习对分类器进行训练(56)，以基于作为输入向量的所述输出的池化来区分表示所述肿瘤脑组织的图像和表示所述健康脑组织的图像。

10.根据权利要求9所述的方法，其中，获取(40)包括利用所述共聚焦激光显微内镜中不同的共聚焦激光显微内镜从不同的患者获取(40)。

11.根据权利要求9所述的方法，其中，执行(42)包括提取用于所述输入向量的特征。

12.根据权利要求9所述的方法，其中，执行(42)包括学习(44，48)所述图像的层级表示。

13.根据权利要求9所述的方法，其中，执行(42)包括：在所述层中的第一层中利用所述独立子空间分析从所述图像学习(44)多个补丁；将所述补丁与所述图像进行卷积(46)；以及根据所述卷积的结果利用所述独立子空间分析来学习(48)所述过滤器核。

14.根据权利要求13所述的方法，其中，利用独立子空间分析来学习(44，48)所述过滤器核和所述补丁均包括在多层网络中利用平方非线性和平方根非线性进行学习。

15.根据权利要求9所述的方法，还包括：在所述第二层中的所述无监督学习之前，利用主成分分析使所述无监督学习的第一层的输出白化。

16.根据权利要求9所述的方法，其中，过滤(50)包括卷积，并且其中，编码(52)包括聚类或执行主成分分析。

17.根据权利要求9所述的方法，其中，编码(52)包括提取词汇，并且其中，池化包括对利用所述词汇经过滤的图像进行量化。