[发明专利]一种基于改进的深度玻尔兹曼机肺结节特征提取方法

摘要

本发明公开了一种基于改进的深度玻尔兹曼机肺结节特征提取和良恶性分类方法，包括以下步骤：步骤A，通过阈值概率图像图方法从CT图像分割肺结节，得到感兴趣区域(ROI)，并裁剪成同一大小的结节图像；步骤B，设计有监督的深度学习算法Pnd‑EBM实现肺结节的诊断，其中包括三大步骤：B1采用基于深度玻尔兹曼机(DBM)提取肺结节ROI的具有深层表达能力的特征；B2、采用稀疏交叉熵惩罚因子改进代价函数，以解决训练过程中“特征同质化”现象；B3，采用基于极限学习机(ELM)将提取出来的肺结节特征进行良恶性分类。本发明的方法基于改进的深度波尔兹曼机肺结节特征提取方法，优于传统的特征提取方法，避免了人工提取复杂性及特征选择的差异性，能够为临床诊断提供参考依据。

主权项

一种基于改进的深度玻尔兹曼机肺结节特征提取和良恶性分类方法，其特征在于，包括以下步骤：步骤A，采用阈值概率图方法从肺部CT图像分割肺结节，得到感兴趣区域(ROI)，并裁剪成同一大小的结节图像存入样本数据库；步骤B，设计有监督的深度学习算法Pnd‑EBM实现肺结节的诊断，具体为采用基于深度玻尔兹曼机(DBM)提取肺结节ROI的具有深层表达能力的特征：通过DBM两个隐层提取肺结节浅层和高层特征，并通过修改代价函数，解决训练过程中特征同质化现象，从而获得表达肺结节高维的特征信息，并为下一步分类做准备；然后采用基于极限学习机(ELM)将提取的肺结节特征进行良恶性分类。