[发明专利]一种基于推挽正则化的医学影像病变分类系统

权利要求书

1.一种基于推挽正则化的医学影像病变分类系统，由图像特征提取模块F，特征空间约束模块P和甄别模块C组成；其中，图像特征提取模块F由一系列卷积层和降采样层组成；特征空间约束模块P由推远控制模块P1和拉近控制模块P2组成，其中，P1通过对不同类别样本特征施加距离惩罚使不同类别样本相互远离，推远控制模块的损失函数记为L_P1；P2通过对相同类别样本特征施加距离惩罚使相同类别样本相互靠近，拉近控制模块的损失函数记为L_P2；甄别模块C由全连接层组成；利用图像特征提取模块F对医学图像进行特征提取获得图像特征f；进而使用特征空间约束模块P对图像特征f的分布进行推挽正则化约束；然后图像特征f经过甄别模块C计算得到预测分类结果接着利用分类损失函数L_C计算预测分类结果和真实分类结果y的损失值；医学影像病变分类系统的损失函数L由推挽正则化项L_PP和分类损失函数L_C组成，即L＝L_C+λL_PP；其中，λ为超参数；推挽正则化项L_PP构造为：L_PP＝L_P1+L_P2；所述医学影像病变分类系统采用随机梯度下降方法进行训练。

2.如权利要求1所述的医学影像病变分类系统，其特征在于，推远控制模块P1对不同类别的样本在特征空间中施加可调的推远控制，推远控制目标的损失函数L_P1构造为：其中，为同类样本之间的距离均值，为不同类别样本之间的距离均值，样本特征的距离为样本在特征空间的欧氏距离；自适应阈值α构造为α＝k(D_max-D_avg)+D_avg；其中D_max为数据集中样本特征f中不同类别距离的最大值，D_avg为数据集中样本特征f中不同类别距离的平均值；对不同类别之间施加的推远程度由阈值α进行控制；k为调节系数，负责对阈值α的取值进行敏感度调节。

3.如权利要求1所述的医学影像病变分类系统，其特征在于，拉近控制模块P2对相同类别的样本在特征空间中施加拉近控制，拉近控制目标的损失函数L_P2构造为：其中，为同类样本之间距离的方差，对相同类别之间施加的拉近程度由调节系数β进行控制。