[发明专利]基于尖峰平板式深度玻尔兹曼机分类的膀胱尿路上皮图像处理方法

摘要

本发明公开了一种基于尖峰平板式深度玻尔兹曼机分类的膀胱尿路上皮图像处理方法。方法包含两个阶段，训练阶段和识别阶段。在训练阶段，利用大数据病理图像（带标注）在近似条件分布最大化准则下训练深度玻尔兹曼机模型参数，即采用吉布斯采样法对对比散度和持续性对比散度进行迭代更新，从而获得模型稳固性参数。在识别阶段，根据输入的盲数据（待区分），评估计算深度玻尔兹曼机决策层和隐层权重矩阵的能量函数，进而获得均匀场近似后验概率分布的估计，从而在最大化后验概率条件下选择最终结果作为判决结果。本发明通过基于人工智能的科学计算方法来对膀胱尿路上皮进行图像处理，以有效识别和定位细微病症部位。

主权项

1.基于尖峰平板式深度玻尔兹曼机分类的膀胱尿路上皮癌图像处理方法，包括训练阶段和识别阶段，其特征在于，在训练阶段，利用带标注的大数据病理图像在近似条件分布最大化准则下训练深度玻尔兹曼机模型参数：即采用吉布斯采样法对对比散度和持续性对比散度进行迭代更新，在逐层训练的基础上，利用变分随机最大似然法估计模型最优结构；在识别阶段，根据输入的待区分盲数据，考虑图像像素之间的协方差关系，评估计算深度玻尔兹曼机决策层和隐层权重矩阵的能量函数，从而获得二值尖峰和实值平板隐藏单位的均匀场估计，得到后验概率分布的近似推断，并以最大化后验概率为决策条件选择分类结果，最终实现膀胱尿路上皮细微病变部位的识别。