[发明专利]一种基于capsule理论和PLSA路由的医学影像分类方法

权利要求书

1.一种基于capsule理论和PLSA路由的医学影像分类方法，其特征在于，包括以下步骤：

S1：输入原始的医学影像；

S2：构建基于capsule的卷积神经网络并进行分类预测，其中网络capsule层之间的路由利用概率潜在语义分析模型PLSA进行信息传递；

S3：构建图像重构全连接网络；

S4：输出生成的医学影像。

2.根据权利要求1所述的一种基于capsule理论和PLSA路由的医学影像分类方法，其特征在于，步骤S2所述的基于capsule的卷积神经网络包括第一层卷积层ReLU Conv1、第二层Primary Caps层和第三层ClassCaps层；

其中第一层是卷积层ReLU Conv1，为普通的卷积层，输入图像尺寸为4×28×28，即合并原始图像的3个RGB通道信息，以及视盘和视杯分割图的单通道标注信息，该层共有256个9×9的卷积核，步长取1，激活函数为ReLU，实现局部特征提取，融合原始图像信息，以及视盘和视杯标注信息，并作为下一层的输入；

第二层PrimaryCaps层，为capsule层；输入图像尺寸为256×20×20，该层capsule向量维度设为8，共有32个9×9的卷积核，步长取2，激活函数为ReLU，输出为32个通道，每个通道数据尺寸为6×6；

第三层是ClassCaps层，为capsule层；输入数据为256×6×6×8，该层capsule向量维度设为16，输出为2个类别capsule，分别对应青光眼识别结果，即正常和青光眼。

3.根据权利要求1-2所述的一种基于capsule理论和PLSA路由的医学影像分类方法，其特征在于，步骤S2中所述概率潜在语义分析模型PLSA联合分布P(d_i,w_j)如下：

P(d_i,w_j)＝P(d_i)P(w_j|d_i),

其中d代表文档，z代表隐含主题，w为词项，M是文档数量，N是文档d的词项数量，P(d_i)是文档d_i出现概率，P(z_k|d_i)表示文档d_i属于主题z_k的概率，P(w_j|z_k)为给定主题z_k出现词项w_j的概率；PrimaryCaps层的capsule对应PLSA中的文档，而ClassCaps层的capsule即是隐含主题，capsule向量的每个维度为词项出现的概率；

本模型共有NK+MK个未知参数，考虑EM算法求解，在E步骤，随机给定参数条件P(z_k|d_i)和P(w_j|z_k)，计算隐含变量的后验概率：

在M步骤中，利用E步骤得到的隐含变量的后验概率，最大化对数似然函数的期望，更新参数估计：

其中，n(d_i,w_j)为文档d_i出现词项w_j的频率，通过不断迭代，直到收敛，得到capsule之间的路由权重P(z_k|d_i)。