[发明专利]一种用于异常脑组织病历分类的自适应分层邻域半径方法

摘要

本发明公开了一种用于异常脑组织病历分类的自适应分层邻域半径方法，包括以下步骤：首先构造基于自适应邻域半径的四层结构分割框架，将每一层对应一个邻域半径有效解，通过迭代计算自适应调整邻域半径；然后通过对异常脑组织病历进行同层内邻域半径交互和不同层间邻域半径级联操作。本发明能有效提取异常脑组织病历内部不同区域属性特征，提高脑组织不同纵向皮质表面标签的分类效率，对异常脑部疾病早期预防、延缓脑疾病发作等具有较好的作用。

主权项

一种用于异常脑组织病历分类的自适应分层邻域半径方法，其特征在于：包括以下步骤：A.构造基于自适应邻域半径的四层结构分割框架，将每i层Lⁱ分别对应第i个邻域半径Rⁱ的有效解，并基于异常脑组织邻域半径分配矩阵DM_N×N将脑组织病历进行分层，接着计算出第i层中不同脑部组织比例矢量与第j层中不同脑部组织比例矢量之间的关联系数C⁴(i,j)，然后通过迭代计算自适应调整邻域半径Rⁱ(l+1)，协同种群在各自相应邻域半径内共享寻优经验，参与脑病历组织分类；B.通过对异常脑组织病历进行同层内邻域半径交互以及不同层间邻域半径级联操作，并根据邻域半径的影响因子构建每一层与其他层的成员关系分解矩阵Mⁱ；接着生成第L⁴层上四个邻域半径的交互向量，将大脑白质GM、灰质WM、脑脊液CSF以及其他脑组织分别分成4个子集；然后计算第L⁴层上相邻两个邻域半径交互向量的交互裕度值，直至满足交互向量的粗糙熵；最后在第Lⁱ层构建基于脑组织病历邻域半径矩阵分层交互，求出第Lⁱ层中最优邻域半径集，使相应脑组织属性的交叠性在其分类时保持最小；C.构建异常脑组织属性分类向量为不同邻域半径内白质GM、灰质WM和脑脊液CSF的平均值，发现脑部组织决策属性中隐含的异常结构，较好完成异常脑组织病历属性特征提取与分类；D.提取异常脑组织区域全局分类集，并判断分类成结果是否满足最优分类精度要求。若满足，则输出异常脑组织区域全局分类集；否则，则转至步骤B继续反复执行；E.输出异常脑组织病历区域白质GM、灰质WM和脑脊液CSF全局最优分类集。